La eliminación de la prohibición de conducir para las mujeres saudíes crea, finalmente, nuevas oportunidades de empleo.

Las mujeres de Arabia Saudita han conseguido otra importante libertad: por fin pueden conducir. Hasta el 24 de junio de este año no se les permitía hacerlo bajo ninguna circunstancia. Ahora que se ha levantado esta prohibición, pueden moverse con mayor libertad y espontaneidad, lo que sin duda les aportará beneficios dentro del mercado laboral. Sólo el 22% de las mujeres en Arabia Saudita se encuentran empleadas actualmente, en comparación con el 77% de los hombres. Si se compara este porcentaje con el resto de los países árabes, la proporción de mujeres trabajadoras en Arabia Saudita se muestra especialmente baja. En los Emiratos Árabes, por ejemplo, se encuentran en activo el 47% de las mujeres, mientras que en Qatar la cifra llega hasta el 58%.

La economía también se vio afectada por la prohibición de conducir. Por un lado, las mujeres no podían llegar hasta muchas de las ofertas de empleo, haciendo imposible su contratación. En segundo lugar, los hombres se ausentaban con frecuencia del trabajo, para poder transportar a sus esposas a un determinado lugar. Las ciudades de Arabia Saudita son muy extensas, por lo tanto, caminar o montar en bicicleta rara vez es una opción. Al mismo tiempo, la red de transporte público todavía necesita ampliarse considerablemente. Quien tuviese la opción, podía permitirse un chofer, ya que a una mujer sola no se le permite subir a un taxi con un conductor desconocido. Pero como este lujo no estaba al alcance de la mayoría, transportar a su mujer era una razón legítima para ausentarse del trabajo.

Del porcentaje de mujeres que realmente se encuentran en búsqueda activa de empleo, el 32% están desempleadas. El desempleo juvenil es de alrededor del 40%. Paradójicamente, las mujeres saudíes tienen, en promedio, mejor nivel educativo que los hombres, especialmente en ciencias naturales. A raíz de que ahora las mujeres pueden ponerse al volante ellas mismas, han surgido una serie de nuevas oportunidades de empleo. Los negociantes ya han descubierto nuevos filones: las empresas de alquiler de vehículos promocionan formación y empleo para mujeres; y una compañía de seguros ya ha capacitado a algunas inspectoras de accidentes. Por último, pero no por ello menos importante, desde principios de este año les está permitido a las mujeres prestar servicio militar, en cuyo caso la posibilidad de transportarse facilita el cumplimiento de sus funciones. Adicionalmente, el Ministerio de Trabajo y Desarrollo Social decidió en abril de 2018, que en muchas zonas comerciales solo ciudadanos saudíes tienen permitido trabajar. Se trata, por ejemplo, de locales como relojerías, tiendas de muebles y decoración, ópticas, tiendas de electrónica y panaderías. Este reglamento también se aplica a los comercios de piezas de automóviles. Dado que estos sectores comerciales siguen teniendo una gran demanda de personal, ahora las mujeres también pueden cubrir muchos de estos puestos de trabajo, ya que tienen la posibilidad, por ejemplo, de visitar a los clientes o entregar mercancías, entre otras muchas cosas.

Sin embargo, a día de hoy persisten algunos obstáculos. En principio, las mujeres y los hombres pueden trabajar juntos, pero existen condiciones especiales para los lugares de trabajo comunes. Se deben proporcionar baños y zonas de descanso separados, así como un sistema de seguridad. El problema es que muchos empleadores no están preparados para remodelar sus edificios, los cuales han sido concebidos por mucho tiempo sólo para la fuerza de trabajo masculina.

Desde el punto de vista jurídico, Arabia Saudita ha allanado el camino para aumentar la tasa de participación de la mujer. En principio, el tutor masculino de una mujer debe autorizar todas las decisiones importantes. El tutor masculino suele ser el padre o el esposo, pero en algunos casos, incluso el hijo puede asumir esta función. Las mujeres no pueden por decisión propia salir del país, salir de la cárcel o casarse. Por otra parte, desde el año pasado, las mujeres ya no necesitan aprobación para iniciar un negocio, pueden servir en el ejército, abrir cuentas y también solicitar servicios públicos. Estas decisiones forman parte de la visión para el mercado de trabajo saudí, es decir, lo que se aspira conseguir en este ámbito de aquí hasta 2030. El plan incluye, en gran parte, la toma de medidas e intervenciones para aumentar la proporción de mujeres en el mercado laboral. Legalmente una mujer no necesita consentimiento para trabajar, pero desafortunadamente, suceden a menudo casos en los que los empleadores exigen el consentimiento del tutor.

El hecho de que el porcentaje de mujeres empleadas sea tan bajo, se está convirtiendo en un problema cada vez mayor para Arabia Saudita. Su economía se encuentra en auge y por lo tanto experimenta una transformación importante. Hasta ahora las necesidades de mano de obra se han satisfecho con trabajadores extranjeros. Mientras que un gran número de los puestos de trabajo disponibles se asignan a ciudadanos extranjeros, solo 5,6 millones (de un total de 11,9 millones de empleados) son saudíes. Al mismo tiempo, la economía depende en gran medida de la industria petrolera, la cual genera casi el 45% del PIB real. En general, el mercado laboral es muy homogéneo, con el 67% de los saudíes trabajando para el Estado.

El Ministerio de Trabajo y Desarrollo Social ha reconocido que el mercado laboral saudí necesita una transformación fundamental, ya que en gran medida las dependencias y el potencial sin explotar determinan cada vez más la economía. Dicho potencial ha sido particular y finalmente reconocido en las mujeres saudíes, especialmente a través de su buena formación. Y en definitiva, ahora las mujeres pueden ponerse a trabajar.

Cuando la autonomia laboral no es siempre voluntaria

“Ser su propio jefe”: el sueño de muchos. No tener que decir siempre “si, con gusto”, asumiendo así cualquier tarea desagradable que se le ocurra de repente al jefe. En contraposición, muchos temen a la idea de trabajar por cuenta propia, por el hecho de que los ingresos no están garantizados y por no poder contar en el futuro con una pensión de jubilación. Otros en cambio, ven más oportunidades de ingresar regularmente mayores sumas en su cuenta bancaria como autónomos, que como empleados por cuenta ajena. Diversos estudios de la OCDE (Organización para la Cooperación y el Desarrollo Económico) explican el trasfondo de todo esto de la siguiente manera:

La OCDE define la autonomía laboral como un grupo que incluye: «empleadores, trabajadores por cuenta propia, miembros de asociaciones de productores, o miembros de familia sin remuneración». Las estadísticas de la organización, basadas en encuestas periódicas, muestran que la proporción de trabajadores autónomos dentro del total de población activa, varía mucho de un país a otro. En los Estados Unidos, por ejemplo, solo alrededor del 6,4% trabaja de forma autónoma, en comparación con el 51,3% en Colombia (véanse las estadísticas de la OCDE, 2018).

Existen diversas razones que explican por qué el autoempleo goza de una popularidad tan dispar. He aquí un ejemplo: en algunos países, una gran proporción de la población activa trabaja en el sector agrícola, que a menudo es autónomo. En el caso de Colombia, alrededor del 15% de los colombianos trabajan en agricultura. En países con una pequeña proporción de trabajadores autónomos, como Dinamarca, Suecia o Canadá, solo alrededor del 2% pertenecen al sector agrícola. El autoempleo en los Estados Unidos ha disminuido drásticamente en los últimos 25 años; aun cuando a mediados de la década de los 90, se encontraba en la mitad de la siguiente gráfica. Una de las causas de ello es la inmensa reducción del sector agrícola, lo cual ha traído como consecuencia la desaparición de muchos trabajadores autónomos.

OCDE (2018). Tasa de empleo por cuenta propia, sobre el porcentaje total del empleo.

Por supuesto existen otros factores adicionales conocidos, que pueden conducir a un mayor grado de independencia laboral. Los índices de delincuencia empresarial, la falta de transparencia de los flujos de tesorería y la relación poco equitativa entre carga de trabajo y remuneración, son parte de los mencionados factores. Se observa frecuentemente y de manera tendencial, que países con altos niveles de salario promedio, cuentan con una tasa baja de empleados autónomos. Estados Unidos se encuentra a la cabeza, con un salario promedio anual de más de 60.000 USD. Dinamarca, Canadá y Noruega también están en la cima, con alrededor de 50.000 USD en promedio. Colombia, por el contrario, se ubica bastante lejos, con un salario promedio alrededor de los 6.000 USD.

A tenor de lo anterior, países con una gran proporción de ciudadanos que viven por debajo del límite de la pobreza, cuentan también con un mayor índice de trabajadores autónomos. Según cifras de la OCDE, el 24% de la población colombiana está afectada por la pobreza. En 2016, la OCDE también determinó, en cuales países existen más personas debajo del umbral de pobreza, a pesar de estar empleadas. Aquí se observa también esta tendencia: en muchos de los países más afectados por la pobreza, los ciudadanos optan frecuentemente por el autoempleo. Así ocurre, por ejemplo, en Brasil, Grecia, México y Turquía.

Otro indicador significativo es el promedio de la jornada laboral. Grecia, México y Chile muestran un número particularmente elevado de horas de trabajo al año, entre 2.000 y 2.250 horas. Se puede mencionar como algo llamativo, el hecho de que los noruegos y los daneses trabajan, en comparación, pocas horas, unas 1400 al año y solo un pequeño porcentaje entre estos, elige el empleo por cuenta propia. En lo que se refiere a las horas promedio semanales de trabajo, como empleado fijo o contratado, Colombia se encuentra claramente en la primera posición, con más de 48 horas semanales. Si se considera el total de trabajadores (contratados, eventuales y autónomos), el número se reduce a 44 horas por semana.

Por último, pero no por ello menos importante, la incertidumbre propia del mercado laboral, es decir, la probabilidad de perder el empleo, junto con una elevada carga de trabajo, son también factores que influyen en la elección del trabajo por cuenta propia. Dichos factores cuentan con un peso relativamente bajo en países como Noruega, Canadá y Dinamarca, en los cuales la cifra de trabajadores autónomos es mínima, en comparación con los elevados porcentajes de Turquía, Grecia y Colombia, como ya mencionásemos anteriormente.

Siendo Colombia, con diferencia, el país con mayor índice de autoempleo, padece paralelamente de graves problemas estructurales en el mercado laboral. Allí prevalece el trabajo informal, lo cual significa estar empleado sin contrato de trabajo y, por ende, sin seguridad social; en ocasiones, hasta sin remuneración. El trabajo informal es muy difícil de cuantificar y regular mediante normas y reglamentos. Debido a los altos costos, muchos empleadores se ven obligados a seguir empleando trabajadores de manera informal. Por otra parte, muchos colombianos no cuentan, desafortunadamente, con la suficientemente cualificación para acceder a un buen empleo formal. Del mismo modo, con el fin de evitar costos como impuestos y otros gravámenes, muchos optan por el trabajo informal por cuenta propia. Hasta un 93% de autónomos trabajan de manera informal. Para cerrar, Colombia estableció un salario mínimo muy elevado, incluso por encima del promedio de la OCDE. Este encarecimiento de los costes de personal, resulta impagable para muchos empleadores, lo cual, como consecuencia lógica, ha aumentado la tasa de desempleo y favorecido el empleo informal.

Entonces, ¿Ser su propio jefe es siempre un sueño, una decisión voluntaria? No, porque en algunos países la situación obliga a las personas a trabajar por su cuenta, y por supuesto, no en condiciones óptimas. Para cada mercado laboral, existen suficientes leyes y medidas sensatas que pueden combatir esta tendencia negativa. JANZZ.technology brinda asesoría a Servicios Públicos de Empleo (SPE) sobre acciones a tomar para potenciar y hacer más atractivo el empleo formal y sobre como proteger de manera efectiva las relaciones laborales. Siéntase en libertad de comunicarse con nosotros a través de nuestra dirección de correo electrónico sales@janzz.technology. Estaremos encantados de atender su consulta.

Es posible disponer de una solución puntera, personalizada y de alto rendimiento para Servicios Públicos de Empleo en tan solo 180 días.

Los países que cuentan con Servicios Públicos de Empleo (SPE) se ven obligados, de vez en cuando, a renovar sus obsoletos sistemas de búsqueda de empleo; por otra parte, los que no cuentan con estos servicios, se dan cuenta de la imperiosa necesidad de implementarlos.

Las expectativas y demandas de estas soluciones tecnológicas han aumentado considerablemente debido el rápido avance de la digitalización: procesos integrados, matching inteligente, interpretación exhaustiva y efectiva de ingentes cantidades de datos (Big Data) y del mercado laboral; opciones sencillas de análisis y clasificación y mucho más.

Diseñar e implementar con éxito soluciones sostenibles y de alto rendimiento es muy complicado. Los procesos de desarrollo y el trabajo necesarios para ello pueden durar varios años y representar altos costos, especialmente para los SPE más pequeños. Este proceso puede simplificarse, acelerarse y aplicarse de forma rentable; adaptándose a todos los requisitos y tamaños de SPE con una plataforma probada y escalable de marca blanca, con componentes modulares de última generación. Nos gustaría explicarle cómo es esto posible en el siguiente post.

Modelo de alfombra patchwork y mucho, mucho tiempo…

La solución utilizada en este estilo se compone habitualmente de la adquisición de nuevos componentes y la combinación de los mismos con los internos ya existentes. Este modelo puede funcionar, pero requiere mucho tiempo, mucho presupuesto y, por lo general, aún más esfuerzo. Muchos SPE crean de esta forma su nueva solución, a partir de retazos, es decir la parchan (disculpe la expresión, pero desafortunadamente este es el caso), porque a menudo tienen a su disposición buenos colaboradores, tales como ingenieros de software y gerentes de proyecto, quienes además utilizan algunos de los elementos ya disponibles. Pero ¿con qué frecuencia han desarrollado los mismos en los últimos años una plataforma para SPE verdaderamente moderna, con todos los componentes y procesos necesarios? y ¿cuán preparados están sus propios especialistas en datos y taxónomos para adaptarse a los cambiantes requisitos?, ¿pueden hacer que los datos y el contenido estén disponibles en la forma y estructura adecuadas para el funcionamiento de los procesos digitales integrados, como por ejemplo matching inteligente?

El desarrollo de una plataforma moderna y eficiente, que acerque a los solicitantes de empleo con el mercado laboral de una manera más efectiva, resulta ser una empresa extremadamente difícil para las agencias de empleo. Este proceso se constituye de muchos sub-proyectos individuales, igualmente exigentes. Para cada componente que vaya a formar parte esta plataforma, los proveedores de los mismos suelen pasar por un complicado proceso de revisión y selección a través de licitaciones públicas; y las soluciones internas, previamente existentes, tienen que ser revisadas, ajustadas o incluso completamente rediseñadas. Todo esto desde el matching, pasando por las herramientas de análisis, interfaz y UX (User Experience), hasta el chat de soporte. Adicionalmente, la consulta y evaluación de cada herramienta individual y cada subproceso pueden ser tareas largas y tediosas. Luego entonces: ¿quién entiende esta solución parcial?, ¿cuál proveedor ofrece el enfoque correcto y tiene la experiencia necesaria para sustentarlo?

Mucha investigación, muchas conversaciones, muchas negociaciones. También debe tenerse en cuenta que las nuevas tecnologías y herramientas, por sí solas, no pueden fungir como salvadoras en casos de emergencia; por el contrario, todos los elementos deben readaptarse e integrarse. La colocación laboral, que es la actividad principal de los SPE, ha cambiado considerablemente. Esto significa que cada cinco a diez años hay que replantear y modificar los enfoques y procesos. En el futuro inmediato, debido al incesante aumento de la digitalización y sus efectos en los mercados laborales, habrán de actualizarse las herramientas con mucha mayor frecuencia.

Desde el inicio del proyecto y hasta la puesta en marcha de la solución, pueden transcurrir años valiosos. Y con frecuencia, la nueva solución resulta ya hasta anticuada en el momento de su lanzamiento. En cualquier caso, resulta ser muy largo el tiempo que se utiliza hasta la puesta en marcha de un sistema de este tipo; cuando en comparación, una plataforma eficiente de marca blanca estaría funcionado y operando efectivamente mucho tiempo antes.

¿Test de pruebas?

A menudo el funcionamiento de dichas soluciones no se puede comprobar hasta el momento de su lanzamiento, lo cual representa un enorme desafío, no solo en términos de tiempo. Un modelo basado en una estructura fragmentada tipo alfombra de parches, tal y como lo describimos anteriormente, es también complejo y arriesgado; cada componente individual de la solución debe desarrollarse e integrarse en un gran conjunto; para ello puede que se utilice parcialmente una antigua plataforma o interfaz existente, o puede ser incluso de nuevo desarrollo y construcción propia. En tales casos, los proveedores internos y externos tienen poco o ningún conocimiento de los componentes aportados o desarrollados por los otros. Esto trae como consecuencia que las pruebas sean más difíciles, al no disponerse de referencias previas para este tipo de soluciones, puesto que no existe un modelo semejante en composición y modo de funcionamiento; por lo general sólo es posible comprobar detalladamente el funcionamiento de los componentes poco antes de la conexión en directo.

Puede que resulte una gran tentación construir parte de la solución -pongamos como ejemplo la interfaz-usando sus propios recursos de desarrollo. La situación por considerar es: lo que en algunos casos puede resultar ventajoso, puede también suponer riesgos y costes imprevistos para una gran parte de las agencias de empleo. Por otra parte, las soluciones personalizables y disponibles en el mercado ofrecen estabilidad, fiabilidad y eficiencia para los procedimientos operativos y el mantenimiento posterior.

Estable, fiable y eficiente

La estabilidad, desarrollo y el mantenimiento posterior del modelo patchwork no están totalmente asegurados; ya que los cambios en el software son más difíciles de realizar cuando los componentes principales de la solución se ejecutan principalmente a través de una interfaz de programación de aplicaciones externa (API). Las soluciones de este tipo deben implementar un sistema de capas de software para la API. Cuando se realizan cambios en la API (superior o inferior), dichos cambios deben realizarse también en los módulos de software correspondientes; en el caso de que este proceso de extrapolación de los cambios se realice de forma tardía o no se realice en absoluto, puede inducir problemas de inestabilidad y/o mantenimiento; por lo tanto, es difícil contar con un rendimiento confiable. La combinación de varios tipos de software incrementa el riesgo de errores; al mismo tiempo, identificar la causa y origen de un problema resulta más complejo, ya que primero es necesario localizar y aislar el área de la solución en la cual se produjo el error.

Por el contrario, una plataforma de marca blanca, ya utilizada con éxito por otros SPE, ofrece ventajas decisivas en lo que se refiere a la facilidad de uso, la eficiencia y la personalización de la interfaz de usuario. Adicionalmente esta solución ofrece múltiples ventajas, como por ejemplo: una interfaz estándar para el usuario de móvil, sencilla de usar, con diseño sensible; entre otras.

En última instancia, se eliminan muchos costes, como el desarrollo y mantenimiento posterior de la parte autoconstruida y de las integraciones. El soporte interno, por ejemplo, apenas es necesario; ya que esta tarea recae principalmente en el proveedor de la plataforma, quien conoce muy bien todas las características de su solución. Por lo tanto, nuevas y costosas integraciones son muy poco necesarias o son de hecho, inexistentes. Es posible que transcurran otros 20 años hasta que se diseñe y desarrolle una nueva solución interna. Resulta difícil retener a los calificados y experimentados desarrolladores, arquitectos, taxónomos y especialistas en UX (los cuales son realmente escasos y por ende muy buscados por la industria) y proporcionarles suficiente trabajo.

Una única solución es suficiente

La buena noticia es que la solución óptima de JANZZ.technology está disponible ya y existe de hecho, desde hace mucho tiempo: una plataforma personalizable en la que se integran todas las funciones necesarias, la cual se adapta a las necesidades individuales de todos los SPE, incluso con un presupuesto reducido. La solución ha sido construida con base en la experiencia adquirida durante muchos años, probada a fondo e implementada con éxito en SPE de todo el mundo. Está disponible en varios idiomas, con clasificaciones internacionales estándar como ISCO-08 y ESCO y, por supuesto, las clasificaciones específicas de cada país; así como todas las combinaciones de diseño, proceso y color requeridas. Ya sea como una solución de servicios en la nube compatible con DSGVO (lo cual también le exime de otros tantos desafíos costosos) o bien como una instalación interna de alto rendimiento de acuerdo con sus especificaciones.

La plataforma está disponible de forma rápida y sencilla: el amplio y probado know-how de JANZZ.technology, las estructuras fácilmente adaptables, la interfaz de usuario y los componentes técnicos semánticos más potentes en la actualidad y muchas otras ventajas; pueden reducir la duración del proyecto a unos 180 días como máximo. Esto se traduce en seguridad tanto del proyecto, como del presupuesto en un muy, muy corto plazo de tiempo; hasta que el primer solicitante de empleo pueda ser colocado a través del nuevo sistema.

¿Cuándo podemos presentarle personalmente su futura solución?

sales@janzz.technology

Cambiar o morir: cuatro áreas problemáticas para el multifacético futuro de los servicios públicos de empleo

Es el tema dominante en los procesos digitales de RR. HH. actuales: cómo podemos desarrollar herramientas y tecnologías más eficientes, actualizadas y mejor adaptadas que resuelvan las diversas tareas y retos de una manera más orientada al cliente. Separar el trigo de la paja es una tarea muy exigente. Si la elección tecnológica actual no está preparada para dar forma al futuro, esto tiene un fuerte impacto en el emparejamiento. Pero sobre todo los problemas se verán impulsados hacia adelante en el futuro, puesto que emparejar significa entender; comprender los retos que debe afrontar un mercado laboral. Todos los proveedores de tecnologías de comparación de puestos de trabajo consideran que son capaces de colocar a los solicitantes de empleo y estimular así el mercado laboral. Pero no existe el mercado laboral. Cada mercado de trabajo tiene sus propias características, y solo colocar rápidamente al mayor número de personas posible no es suficiente: después de todo, hay otros problemas complejos a los que debemos prestar atención. Se seleccionaron cuatro áreas problemáticas a partir de este complejo tema, lo que demuestra por qué no es solo una cuestión de pura mediación y por qué es necesario prevenirlo ahora para mitigar los problemas en el futuro.

1) Hoy pleno empleo, mañana brecha laboral

¿Es el desempleo actualmente un problema en el mundo occidental?

Apenas transcurrida la primera semana del año, salieron las nuevas cifras para el mercado laboral estadounidense. Estas estaban muy cerca del pleno empleo (definido como el 3 por ciento de desempleo) con una tasa de desempleo del 4,1 % después de que se contaran 250 000 nuevos empleos en el último mes de 2017. El valor más bajo en 17 años. Mark Zandi, economista jefe de la institución de investigación de mercado «Moody’s Analytics», dijo del mercado laboral estadounidense que «pronto será todo lo bueno que puede ser». Muchos países occidentales tienen actualmente cifras igualmente bajas. Alemania y Suiza incluso por debajo del cuatro por ciento, Noruega algo por encima y la media de la UE es la más baja en diez años. Ni siquiera el Reino Unido se ha visto afectado por el brexit a este respecto. ¿Entonces ahora las oficinas de empleo se pueden tomar unas largas vacaciones?

Esperemos que no. Porque pensar que estos Estados no necesitan preocuparse por su mercado laboral es una falacia. Cada mercado laboral presenta a su Ministerio de Trabajo sus propios retos, razón por la cual las oficinas de empleo siempre tienen suficiente trabajo que hacer. Y para dar un apoyo fundamental a los servicios públicos de empleo, no basta con tener una simple solución de intermediación. Sobre todo, es necesario conocer en profundidad los mercados de trabajo y sus diversos retos, que actualmente son diferentes en cada rincón del mundo.

El mercado laboral europeo está próximo al pleno empleo en muchos lugares, pero esta tendencia hace que sea demasiado fácil sustituir a los trabajadores en el futuro. ¿Quién necesitará un taxista cuando el coche se convierta en chófer? ¿Y quién necesita personal de limpieza cuando la limpieza la realicen robots que limpian incluso en los rincones más recónditos? No obstante, existen grandes diferencias entre empleos con niveles de cualificación más bajos. Esto hace que sea mucho más fácil para las máquinas realizar tareas de limpieza que, por ejemplo, trabajos de costura complicados. Por lo tanto, no todos los empleos de baja cualificación están en riesgo, pero muchos lo están. Y no solo estos. Los empleados con formación superior también pueden ser reemplazados, ya que las computadoras pueden calcular y mejorar la estática de los edificios, la logística o los procesos de producción con mucha más precisión. Del mismo modo, un ordenador se considera cada vez más fiable y, sobre todo, renuente al riesgo que el asesor financiero de carne y hueso en la sucursal bancaria del barrio, ya que sus decisiones se basan en hechos y no en emociones.

Estos complejos desafíos no pueden resolverse con una simple mediación, porque aunque se pudiera colocar a alguien, este trabajo podría desaparecer en un futuro cercano debido a la digitalización. Pronto se retirará el motor de combustión interna y se sustituirá por el motor eléctrico, y cuando esto suceda, se necesitarán mucha menos mano de obra porque la producción de un motor eléctrico solo requiere cuatro en lugar de siete empleados. Por lo tanto, los tres sobrantes irán al paro, y para poder colocarlos de nuevo, no debemos quedarnos mirando y esperando.

 

2) Se abre la tijera

Si se observan ciertos grupos ocupacionales, lo contrario puede verse como un desafío. Mientras que algunas ocupaciones desaparecen, al mismo tiempo se buscan desesperadamente fuerzas en otras áreas. Los medios de comunicación se jactan de cifras cada vez más altas: 7000 vacantes de personal de enfermería en Suiza, faltan 100 000 ingenieros en Alemania. ¿Cómo se supone que la mediación ha de responder a una necesidad para la que no hay personal?

La profesión que la gente quiere aprender es, por lo tanto, cada vez menos acorde con la demanda. Desde la infancia ha habido una gran libertad en la elección de una carrera: casi todo el mundo puede elegir la carrera que quiere seguir de forma casi independiente. Esta libertad conduce al hecho de que, por un lado, hay carreras elegidas con frecuencia y, por otro, otras que muy pocas veces se eligen. Y, finalmente, nos enfrentamos a una brecha enorme entre estos dos grupos. En muchas profesiones atractivas es cada vez más difícil asegurar un sustento para cuatro o cinco décadas, y como estamos trabajando más y más tiempo, este aspecto es muy importante. ¿Cuántos biólogos marinos se necesitan realmente en Suiza? Y mientras los biólogos marinos bien formados permanecen desempleados, los ingenieros firman contratos de trabajo mientras todavía están en la universidad. Una tragedia.

Esto debe verse como un incentivo para una nueva tarea de la política, la sociedad, las universidades y todas las demás partes implicadas: tenemos una necesidad, por tanto hagamos atractiva la zona de demanda. Ha llegado el momento de influir en la formación y la planificación de carreras. No solo para reaccionar ante la escasez de mano de obra, sino también para prevenirla. ¿Qué se puede hacer para ayudar a los jóvenes a elegir la formación que necesitan? Debemos mirar al futuro. ¿Limitamos los programas de titulación altamente frecuentados de manera más estricta? ¿Subvencionamos a las personas que elijan una formación poco atractiva?

Por supuesto, los salarios de profesiones como la enfermería podrían simplemente incrementarse sustancialmente para hacerlas más atractivas. Pero, ¿quién los pagará si los consumidores no están dispuestos a pagar más? Mientras sigan abaratándose los productos y servicios, no se podrán incrementar los salarios, lo que significa que los ingresos no son suficientes y que el trabajo se considera poco atractivo. En la actualidad no se puede hacer más atractivo un trabajo de esta manera.

En el caso de tales desafíos, no tiene sentido pensar simplemente en estrategias de mediación, ya sean tecnológicas o no tecnológicas. Después de todo, este problema no se resuelve con pura mediación. En su lugar, deberíamos trabajar para garantizar que la oferta y la demanda coincidan. Deben crearse nuevos modelos para responder a las tendencias y brechas actuales. El análisis de la brecha muestra que la escasez de mano de obra está creciendo en todos los mercados. Lamentablemente, esto no se puede solucionar con la migración, aunque actualmente, especialmente en Europa, están surgiendo muchas oportunidades.

 

3) La migración como única salida

Desgraciadamente, incluso hay regiones enteras en las que los ingresos procedentes del trabajo simplemente no son suficientes. En estas partes del mundo, la gente siente que tiene que alejarse para encontrar trabajo. En Lituania, por ejemplo, en casi todas las familias hay alguien que trabaja en el extranjero, porque la gente allí difícilmente puede vivir de sus salarios con el aumento de los costes de vida. Por lo tanto, el pequeño país ha perdido más de medio millón de personas en los últimos 15 años, una cifra grande para un país con una población total de menos de tres millones. Especialmente los jóvenes abandonan el país antes o inmediatamente después de graduarse. Lo que queda es una sociedad que envejece aún más rápido.

O echémosle un vistazo a la población de Indonesia: más de 250 millones de personas. Estas seguro que encuentran interesante su mercado de trabajo porque la economía del país está creciendo rápidamente. Pero la población está creciendo aún más: tres millones de personas cada año, tantas como viven en las ciudades de Berlín o Madrid. Más de la mitad son menores de 30 años. Todos estos jóvenes necesitan un trabajo en algún momento de su vida. También aquí muchos ven la emigración como una solución necesaria. E incluso en estos casos, deben crearse nuevos modelos, modelos que equilibren la oferta y la demanda de una manera completamente diferente. No se puede colocar a la gente donde simplemente no hay trabajo disponible.

 

4) Tener un trabajo no es suficiente

Pero incluso si hay empleos disponibles, las estrategias de mera mediación no son suficientes. Algunos mercados laborales sudamericanos, junto con muchos otros retos, como la delincuencia, el abuso de drogas y la falta de transparencia de los flujos de dinero, están intentando combatir el «subempleo». Un término que no significa desempleo, sino demasiado poco trabajo y muy pocas horas. A partir de los bajos salarios, no se puede garantizar un nivel de vida razonable. Incluso después de los diversos esfuerzos de los Ministerios de Trabajo, la situación en los mercados laborales sigue siendo complicada. En Paraguay, por ejemplo, la tasa de desempleo se sitúa en torno al nueve por ciento, cifra similar a la de países muy desarrollados como Francia o Finlandia. Pero, ¿qué significa este valor? Como consecuencia del subempleo, y de los todavía muchos jornaleros, algunos ciudadanos no aparecen en la tasa de desempleo porque tienen trabajo. Por lo tanto, la tasa de desempleo dice poco sobre si se garantiza un nivel de vida razonable en un país o región.

 

Reaccionar en lugar de esperar

Sí, las tasas de desempleo son bajas, pero una tasa baja no salva ningún mercado laboral. Cada mercado de trabajo también tiene su propio problema específico, que debe abordarse de forma diferente. Y hay muchos más: ¿Cómo colocar a las personas mayores de 50 años? ¿Cómo se coloca a los refugiados altamente calificados? Es factible que la falta de adaptación de los SPE no les permita hacer frente a los diferentes retos del entorno; lo que resultaría en el cuestionamiento de su existencia. Ahora hay que reaccionar y deben iniciarse los debates. Debates basados en datos que por tanto requieren de las herramientas y tecnologías adecuadas. Pero solo proporcionar las herramientas y tecnologías no es la solución. Por otra parte, una competencia específica desarrollada a lo largo de una década sabe exactamente qué área problemática, dónde y de qué manera abordar y, por lo tanto, también cómo utilizar correctamente las herramientas. Al mismo tiempo, también requiere de alguien que utilice esta considerable competencia en una etapa temprana. Es solo cuestión de tiempo que el desempleo vuelva a aumentar, sobre todo entre los jóvenes. Si se dispone de la comprensión básica correcta de este tipo de problemas, las posibilidades se pueden identificar desde el principio y coordinar con las estrategias de solución adecuadas. Además, hay que sacar a la luz las exigencias específicas del mercado de trabajo, tenerlas en cuenta y aplicarlas en el mundo actual, en resumen: debemos reaccionar ahora. Me pregunto por qué la clase política, la sociedad, las instituciones educativas, etc. siguen paradas mirando cuando deberían estar AHORA reunidas con especialistas que tienen esta competencia. Hay especialistas que tratan, reflexionan y analizan diariamente todos los retos mencionados y no mencionados de los mercados laborales. Los especialistas están disponibles con sus conocimientos en JANZZ.technology.

¿Cómo se unió a la persona y al trabajo para lograr la cita perfecta?

Es muy complicado unir de forma tecnológica a dos personas y enviarlas a una cita. Hay que tener en cuenta bastantes expectativas. ¿Tienen intereses similares? ¿Viven en el mismo lugar? ¿Cuáles son sus objetivos? Y también hay bastantes expectativas ocultas, como por ejemplo, sobre el aspecto. El matching sigue siendo un problema complejo.

No cambia nada cuando se trata de unir a la persona adecuada con el trabajo adecuado. El matching de empleo y habilidades es un gran desafío incluso para los especialistas con muchos años de experiencia. ¿Quién y qué encaja bien? ¿En qué hay que fijarse? Todos los días hay que responder estas preguntas para poder realizar un matching eficaz. Se requiere un buen conocimiento y buena información, y, como ya se comentó, es bastante difícil cuando las personas tienen que realizar estas tareas con un alto nivel de calidad. Las expectativas de los empleadores y los potenciales empleados son altas. ¿Una máquina, un algoritmo, podría cumplir estas expectativas a la perfección?

¿Cómo se unen datos tan complejos? Fuente: Getty Images.

 

¿Es posible un buen matching?

Primero vamos a aclarar si es posible un buen matching. El matching es la asignación de atributos de dos unidades distintas, en nuestro caso se trata de un trabajo y una persona. De todos modos, esto por sí solo puede significar cosas muy diferentes en nuestro ámbito a analizar. En algunos empleos el análisis de si se encaja con el trabajo solo se refiere a si se es capaz de desempeñar el trabajo. Por ejemplo, si alguien está sano físicamente, debería poder recoger fresas. Sin embargo, también hay otros trabajos que requieren muchos certificados, especializaciones y experiencia. ¿Intenta realizar un matching con un cirujano neonatal?

A pesar de que los especialistas en personal conocen los pormenores a los que hay que prestar atención, el matching sigue siendo un problema muy complejo también para ellos. Los requisitos cambian constantemente. Las exigencias que se aplicaban ayer, hoy ya no se aplican y, de la misma manera, las de hoy ya no se aplican mañana. El trabajo no se mantiene como trabajo, la persona no se mantiene como persona y el mercado laboral no se mantiene como mercado laboral. ¿Quién habría necesitado hace un par de años un director de desarrollo digital? ¿Y quién habría tenido esta especialización en su curriculum vitae?

Y esto se complica mucho cuando una máquina es la que tiene que realizar esta tarea. Tiene que poder aplicar toda la experiencia y los conocimientos de los especialistas, prestar atención a los detalles y también tiene que reaccionar a los constantes cambios del mercado laboral. Los proveedores de este tipo de máquinas se centran en distintos datos para superar el complejo problema, por ejemplo, el título del empleo anterior del solicitante o sus habilidades. Un algoritmo compara los requisitos de un puesto de trabajo y los curriculum vitae, y así se realiza el matching. ¿Con eficacia?

 

Un albañil es un albañil – ¿un asesor comercial es un asesor comercial?

Como se ha comentado, en algunos casos el matching se realiza en base a los títulos de los empleos anteriores. Si el candidato tenía el puesto X en la empresa A, también puede ejercer el puesto X en la empresa B, ¿no? Antes, igual sí. Antes éramos médicos de cabecera, secretarios, abogados, albañiles, etc. En la actualidad somos asesores comerciales, ninjas de datos, gestores de instalaciones, etc. ¿Un asesor comercial es alguien que está en un comercio minorista y aconseja a los clientes? ¿O alguien que crea ofertas, realiza tareas y negocia contratos con clientes en el departamento de ventas? Los especialistas se hacen estas preguntas cuando leen los curriculum vitae. Y una máquina también tiene que poder considerar y entender esto.

Los títulos de los empleos también son demasiado genéricos con demasiada frecuencia. O, por el contrario, demasiado específicos, cuando se incluyen términos internos de la empresa en el título del empleo para describir una función – esto ocurre en la actualidad con algunos encargados. Sin una descripción detallada de las ocupaciones, a menudo estaríamos perdidos y no podríamos saber si un solicitante es en realidad adecuado para un puesto. O si el puesto es adecuado para el solicitante.

 

Es mejor fijarse en los conocimientos

En la actualidad, el título de un empleo tampoco basta para un buen matching. Los proveedores de matching de empleo también solucionan el problema del matching con otros parámetros – se fijan en las habilidades y competencias porque son el contenido de las descripciones de los títulos de empleo crípticos. El matching basado en habilidades o competencias es relevante y prometedor porque no solo tiene en cuenta un título que alguien una vez tuvo, sino también sus conocimientos, talentos y formación, se podría decir. También se contemplan las capacidades de un candidato y las capacidades necesarias para un empleo, y se unen.

En principio suena lógico: quiero un directivo que sea abierto, comunicativo, resolutivo y un buen líder. Encuentro a alguien que tiene estos términos en su curriculum vitae y con los que coincide. Las habilidades son puntos fiables para que una máquina sepa que esta es la coincidencia perfecta para mi vacante, ¿no?

Vamos a mirar con más detenimiento las habilidades. Las habilidades, así como las capacidades, resultan de mi conocimiento. Aristóteles dijo que el conocimiento es la verdad absoluta. Solo se puede lograr la verdad absoluta cuando se ha experimentado y comprobado el conocimiento. El conocimiento que se ha aprendido mediante la comunicación y el estudio  por parte de otros tiene que comprobarse, por lo que no puede ser la verdad absoluta. Entonces, cuando alguien me cuenta algo nuevo – ¿cómo puedo estar seguro de que es una historia verdadera?

Mientras yo no lo experimente – y no lo aplique – el conocimiento permanece incompleto. Una buena formación seguramente es un buen valor, no quiero negarlo. Pero hasta que no sepa cómo alguien ha empleado los conocimientos adquiridos, no se ha comprobado y no me da la oportunidad de aplicarlos. Cuando también se comprueba, me produce un beneficio, un margen de maniobra, en cierto punto, una parte del poder.

Si volvemos a mi ejecutivo, que es abierto, comunicativo y un buen líder, se resuelve el problema. ¿No podría ser que nuestros potenciales candidatos podrían ser gestores de la industria de la construcción, las finanzas o los textiles? Probablemente sin su experiencia, las vacantes se unirían con los tres puestos de trabajo, aunque cada puesto requiere la experiencia propia de su sector. Falta la experiencia relevante para relacionar con sentido las habilidades.

 

El conocimiento real necesita experiencia

Por el contrario, esto lo reconocieron otros proveedores de matching de empleos. Las habilidades tampoco bastan. Si quisiera realizar el matching de un determinado empleo, no solo necesito el campo Habilidades  – mis conocimientos según el curriculum vitae y la carta de presentación. Necesito los componentes de la experiencia. Solo con la experiencia se pueden deducir las relaciones como los sectores.

Además, nadie menciona todas las capacidades que tiene – pero la gente suele mencionar otra información relevante que puede ayudar en el matching. Del mismo modo, una empresa especifica poco las competencias que hacen falta en la descripción del puesto – y esto dificulta el matching. Cuando una descripción de un empleo se refiere a un «científico de datos», el empleador no menciona ni las habilidades «utilización de TI», ni «procesamiento de datos» porque parte de que esto ya se deduce por el título del empleo. Del mismo modo, un científico de datos probablemente indicaría en su curriculum vitae las habilidades más específicas que las que se deducen de los títulos de sus anteriores empleos. Pero si una persona tiene que unirse con un empleo según sus habilidades, la información de este parámetro de comparación es un factor ausente.

Cuando realizamos el matching solo en base a las habilidades, estoy seguro de que obtenemos resultados diferentes a cuando solo buscamos en base a los títulos del empleo. Pero este nivel no es suficiente para que las personas se incorporen finalmente a los puestos de trabajo, los solicitantes a las vacantes y los empleadores a los empleados. Necesitamos más.

 

Una buena formación no significa buenos modales

Las habilidades y la experiencia tampoco pueden determinar si el nuevo redactor encaja bien en el equipo. Usted no puede responder a si el nuevo cuidador llegará puntual al hospital o si el nuevo vendedor sabe negociar bien. En la actualidad no es de fiar alguien que no ponga en su curriculum vitae que sabe trabajar en equipo. Pero estas habilidades de gestión y la personalidad son tremendamente importantes para un buen matching. Un asesor debe llegar puntual a una cita con un cliente, un programador también tiene que ajustarse a un horario flexible. Del mismo modo, el programador también tiene que saber trabajar solo. Si el asesor no se dirige a los clientes de forma abierta, su empresa pierde oportunidades. Por lo tanto, la coincidencia es especialmente buena cuando se incluye la personalidad. Mi curriculum vitae indica muchísimos conocimientos que he adquirido. Pero tiene que tener importancia la manera en la que los he logrado.

 

¿Aunar esfuerzos?

Y si un CV encaja demasiado a la perfección con una vacante, no se piensa mucho tiempo que este solo pueda ser perfecto en el contexto. Las habilidades y la personalidad de un nuevo empleado completan una red con habilidades y personalidades de los compañeros de trabajo. Si soy el único ingeniero de software de una empresa, tengo que ser todoterreno y tomar iniciativas propias. Si trabajo en un equipo con dos personas más, una sabe más del campo X, la otra del campo Y, las habilidades se complementan y la colaboración logra algo nuevo. Con frecuencia puedo ofrecer ayuda y me pueden pedir que me integre en un equipo. Los compañeros también influyen en el matching perfecto. Si esto también se toma en serio, hay que realizar el matching con los CV de los empleados.

Quien todavía piense que se puede hacer un matching solo en base a un parámetro (título del empleo, habilidades, experiencia o personalidad), debería reconocer que esto solo sale bien con mucha suerte. Cuando un algoritmo tiene que resolver un problema complejo, un buen matching se parece a la aguja encontrada en el pajar.

Entonces, ¿hemos llegado al final del camino?

Todavía no. Confucio afirmó: «La experiencia es una linterna que llevamos en la espalda y que solo alumbra el camino ya recorrido.»

Hemos probado nuestro conocimientos, aportado otras ventajas, quizás somos puntuales y fiables. Nos guiamos por las habilidades de gestión requeridas. Esto nos permite garantizar un buen funcionamiento con seguridad. Cumplimos todas las fechas de entrega, tratamos bien a todos los clientes y los empleados llegan puntuales siempre a su puesto. En realidad, ahora todo tiene que estar claro.

 

¿Qué fortalece la empresa?

La empresa «solo» se asegura realmente cuando todo siempre corresponde a lo que se exige. No hemos hecho nada nuevo. Hacer algo nuevo requiere buenos conocimientos y a menudo mucha experiencia. Sobre todo se necesita creatividad literal y semántica.

El diccionario de Cambridge describe la creatividad como «la capacidad de producir ideas originales y extraordinarias o de hacer algo nuevo o imaginativo»1. Por consiguiente nos da la tercera perspectiva de algo que se escapa de nuestro conocimiento y experiencia, quizás también se podría describir como «think out of the box». Trabajar con creatividad no supone un enfoque artístico, sino romper las normas. Rebelarse. Dar un golpe en la mesa y deshacer las situaciones estancadas. Nuevo y diferente, quizás un poco intimidante.

Albert Einstein dijo: «La creatividad es la inteligencia divirtiéndose»2. El creativo es el que se divierte desarrollando una empresa y no el que cumple un catálogo de requisitos de forma clásica, ve la empresa de forma diferente. La creatividad es el bien más valioso en una época con tantos cambios. Los que no se adapten durante la digitalización, no pueden continuar y se quedan atrás. Necesitamos empleados que tengan una perspectiva general. Necesitamos empleados que den seguridad a la empresa. Y necesitamos empleados que nos muestren algo nuevo, totalmente especial en estos tiempos. En la actualidad la creatividad es la habilidad más importante.

La creatividad, la intuición, las emociones y todos los opuestos al pensamiento lógico, analítico y razonable (que podrían considerarse como nuestro conocimiento y nuestra experiencia) suelen ejecutarse en la mitad derecha del cerebro. Quizás ha escuchado la teoría de que se puede ser un «pensador del hemisferio derecho» o «pensador del hemisferio izquierdo». Los investigadores determinaron que se trata de un mito. Aunque algunas funciones están situadas en un lado del cerebro, los mejores resultados se obtienen cuando los dos lados del cerebro trabajan juntos en complejas redes.3

Cuando quiero crear un nuevo producto, me ayuda conocer los procesos de fabricación y el material necesario. Mi experiencia también me ayuda al planificar un nuevo producto. Mi talento organizativo favorece el proceso. Pero la idea para crear un nuevo producto resulta de mi creatividad. Cuando se es bueno en algo, se obtienen los mejores resultados de todos los participantes: conocimientos, experiencia, personalidad y creatividad.

 

La despedida del matching perfecto

Vamos a decirlo claro: no se puede resolver el problema con ningún matching basado en competencias, habilidades, etc. porque el problema es demasiado complejo. El matching está impulsado por expectativas y estas cambian constantemente.

Por lo tanto, sencillamente no hay una coincidencia perfecta porque es imposible superar las expectativas. Nunca se pueden cumplir las expectativas igual de bien para todos, puesto que son muy subjetivas. También existe la posibilidad de incluir todas las dimensiones en la medida de lo posible para lograr una aproximación máxima al matching perfecto.

Los resultados de la cultura actual del matching con trozos de datos, como un par de habilidades o títulos de empleo crípticos, acaban una y otra vez con la calidad de la máquina. El matching con trozos de datos es como caminar en la oscuridad. Los que piensen que se puede realizar un matching con trozos de datos, con palabras clave casuales, están muy lejos de la coincidencia perfecta. Como ya se ha indicado, sencillamente faltan otros parámetros relevantes para una asignación de alta calidad.

Solo se puede lograr una aproximación máxima con algoritmos complejos cuando se renuncia a los trozos de datos y se intenta incluir todas las dimensiones, como hace el cerebro para crear algo nuevo: las habilidades, la experiencia, la personalidad y, sí, con prudencia, también el título del empleo anterior. La máquina introduce todas las dimensiones, las evalúa una a una y determina una ponderación. Cuando estas dimensiones se representan con una ponderación adecuada, se logra un buen punto de partida para unir de forma tecnológica a la persona y al empleo, se adaptan todas las dimensiones y, por lo tanto, las expectativas, e intentan lograr la máxima aproximación posible a la coincidencia perfecta.

Incluso con los procesos de matching de JANZZ.technology, bien concebidos y desarrollados, y mejorados durante años, es complicado englobar todas las dimensiones en las medidas adecuadas. Las expectativas se pueden representar en gran parte, pero una parte permanece siempre cerrada. Si, por ejemplo, se gestiona a una persona en paro, gran parte de sus expectativas es la gestión en sí. Si se realiza un matching con ingenieros, existe la expectativa de que la horquilla salarial encaje con los empleos anteriores. Se pueden representar otras expectativas cuando está claro que existen. También nos podemos aproximar a la coincidencia perfecta. Se descarta caminar en la oscuridad con trozos de datos. Al final, probablemente no puede existir la cita perfecta. Pero quizás sí una nueva invitación a otra.

 

Fuentes:

¹ Cambridge Dictionary (2017). Creativity. Abgerufen von: http://dictionary.cambridge.org/dictionary/english/creativity [2017.11.02].

² Einstein, Albert (1930). Mein Weltbild. Wie ich die Welt sehe.

³ Nielsen JA, Zielinski BA, Ferguson MA, Lainhart JE, Anderson JS (2013). An Evaluation of the Left-Brain vs. Right-Brain Hypothesis with Resting State Functional Connectivity Magnetic Resonance Imaging. PLoS ONE8(8): e71275. https://doi.org/10.1371/journal.pone.0071275

Sahoo, Anadi (2017). Knowledge, Experience & Creativity. Abgerufen von: https://www.linkedin.com/pulse/knowledge-experience-creativity-dr-anadi-sahoo/ [2017.11.03.].

Lost in Big Data?
La idea equivocada que domina el universo de los datos.

«. . . En aquel Imperio, el Arte de la Cartografía logró tal Perfección que el mapa de una sola Provincia ocupaba toda una Ciudad, y el mapa del Imperio, toda una Provincia. Con el tiempo, estos Mapas Desmesurados no satisficieron y los Colegios de Cartógrafos levantaron un Mapa del Imperio, que tenía el tamaño del Imperio y coincidía puntualmente con él.[…]»

«Del rigor en la ciencia»
Jorge Luis Borges

La historia de Borges imagina un Imperio adicto a la idea de crear una representación perfecta de su mundo. El Imperio ficticio se ha enfrascado totalmente en la tarea de crear un mapa que coincida con su terreno punto a punto. Hoy no puedo evitar pensar que nos encontramos en un ambiente muy similar: los datos están cambiando profundamente nuestro mundo y la manera que tenemos de percibirlo. Nos encontramos en medio de una revolución de datos tan grande, dominante y joven que cuesta abarcarla entera. El impacto de los datos se está extendiendo a una escala realmente masiva; tratamos de usar los big data para transformar industrias completas, desde el marketing y las ventas hasta las predicciones meteorológicas, desde los diagnósticos médicos hasta los envases alimenticios y desde el almacenamiento de documentos y el uso de software hasta la comunicación. En realidad, como en el Imperio ficticio de Borges, hemos llegado a creer que cuantos más datos recopilemos y analicemos, mejor conoceremos al mundo y a las personas que lo habitan. Qué ingenuos nos hemos vuelto los maníacos de los datos.

En la actualidad prevalece la convicción de que los big data proporcionan un conocimiento práctico de casi cualquier aspecto de la vida. Philip Evans y Patrick Forth impugnan que «la información se comprende y aplica con medios básicamente nuevos de inteligencia artificial que buscan el conocimiento mediante algoritmos que emplean conjuntos de datos masivos y ruidosos. Como los mayores conjuntos de datos producen un mejor conocimiento, lo grande es hermoso» (de su artículo conjunto en bcg.perspectives). En este sentido, nuestra hambre de datos aumenta de forma constante y nuestro ecosistema digital la impulsa: los sensores, los dispositivos conectados, las redes sociales y un número creciente de nubes que producen continuamente nuevos datos para que los recopilemos y analicemos. Según un estudio de la International Data Corporation (IDC), el universo digital será casi el doble cada dos años. Desde 2005 a 2020, el volumen de datos crecerá en un factor de 300, hasta 40 zettabytes de datos. Un zettabyte tiene 21 ceros. En este mundo de crecimiento exponencial de datos, la ambición de acumular datos no conoce límites. Como en el Imperio ficticio de Borges, el límite externo es la escala de 1:1, una representación digital completa de nuestro mundo.

En la actualidad, empresas como IBM o LinkedIn ya están presionando este límite. IBM está formando a su sistema informático cognitivo llamado Watson para que pueda contestar virtualmente a cualquier pregunta. Para lograrlo, IBM Watson está recopilando una cantidad de datos sin precedentes para crear un impresionante corpus de información. La empresa acaba de adquirir Truven Health Analytics por 2,6 mil millones de $ en efectivo, proporcionando a su unidad de salud un inmenso depósito de datos sobre salud de miles de hospitales, empleados y gobiernos estatales de EE. UU. Fue la cuarta gran adquisición de una empresa de datos sanitarios en los 10 meses de vida de IBM Watson, lo que muestra la importancia que una representación digital de los pacientes, diagnósticos, tratamientos y hospitales tiene para el sistema de inteligencia artificial del gigante de la informática. La visión de LinkedIn es igual de ambiciosa: están creando Economic Graph, nada menos que una cartografía digital de la economía global. Aspira a incluir un perfil de cada uno de los 3 mil millones de miembros de la población activa mundial. Pretende representar digitalmente a todas las empresas, sus productos y servicios, las oportunidades económicas que ofrecen y las capacidades necesarias para obtener esas oportunidades. Y planea incluir una presencia digital para todas las organizaciones de educación superior del mundo. Sin embargo, los esfuerzos de las dos empresas son solo la punta del iceberg. Su empeño por crear una representación digital completa de sus respectivos campos es emblemático de una aspiración más general que va en la actualidad hacia un estado de información ubicua.

Las visiones de empresas como IBM Watson y LinkedIn ya evocan el mundo imaginado por Borges. Los poderes de los big data están convergiendo y recreando las ambiciones cartográficas del Imperio de su historia. Este mundo se está convirtiendo en referencial de sí mismo. La representación digital de nuestro mundo se está expandiendo deprisa y en los límites exteriores, la representación y la realidad están empezando a coincidir. El mundo y nuestra imagen de él están convergiendo. De repente nos encontramos en un mundo que guarda una semejanza alarmante con el Imperio de Borges.

Qué disparate – la historia de Borges continúa, cuestionando el propósito de una representación tan inmensa. Ya sea cartográfico o digital, un mapa a escala 1:1 puede que no sea tan útil como se piensa.

«[…] Menos Adictas al Estudio de la Cartografía, las Generaciones Siguientes entendieron que ese dilatado Mapa era Inútil y no sin Impiedad lo entregaron a las Inclemencias del Sol y los Inviernos. En los Desiertos del Oeste perduran despedazadas Ruinas del Mapa, habitadas por Animales y por Mendigos; en todo el País no hay otra reliquia de las Disciplinas Geográficas.»

En el mundo ficticio de Borges, las siguientes generaciones tiraron el mapa de sus antepasados porque no sentían la misma ambición que sus ancestros y reconocieron que el mapa a escala 1:1 era inútil. Dejaron que se descompusiera y solo quedaron las «despedazadas ruinas» del mapa de los antepasados. La comprensión de que un mapa a escala 1:1 no tiene sentido en la práctica también recuerda a nuestra experiencia con el universo de los datos en expansión.  El profesor Patrick Wolfe, director ejecutivo del Big Data Institute de la University College of London, advierte de que «la tasa en la que generamos datos supera rápidamente nuestra capacidad para analizarlos.» En la actualidad solo se analiza aproximadamente el 0,5 % de todos los datos y Wolfe afirma que este porcentaje disminuye a medida que se recopilan más datos. También estamos empezando a darnos cuenta de la inviabilidad de las masas de datos que estamos manejando. En lugar de ganar de manera exponencial más conocimiento sobre nuestro mundo con los datos, estamos creando una entidad que está en peligro de caer en el olvido por su gran tamaño.

Para evitar que nuestra colección digital que se acumula constantemente sufra la misma suerte que el mapa de Borges – que las generaciones venideras la dejen en despedazadas ruinas –, es esencial crear una inteligencia práctica a partir de ella. Por consiguiente, la capacidad para entender de verdad la total complejidad de las masas de los datos recopilados y para producir un conocimiento relevante de ellos será la ventaja competitiva definitiva; esto es válido en la actualidad y todavía lo será más en el futuro.

Mientras que muchos ya proponen la conversión de los big data en smart data o intelligent data, todavía no ha surgido ninguna solución clara sobre cómo lograr realmente esta transformación. Hoy en día, las matemáticas aplicadas, el procesamiento del lenguaje natural y el aprendizaje automático tienen el mismo peso en la balanza y sustituyen a cualquier otra herramienta que se pueda aplicar. Es la idea de que con suficientes datos, los números hablan solos. Repitiendo lo que dijeron Evans y Forth, «lo grande es hermoso». Esta idea conforma la cultura de Silicon Valley y, por extensión, la de muchas empresas de todo el mundo.

Otras metodologías como las ontologías, las taxonomías y la semántica se ignoran totalmente en el espíritu de descubrimiento actual. Mientras que las matemáticas aplicadas, el aprendizaje automático y el análisis predictivo representan el tamaño; las taxonomías y la semántica representan el significado y la comprensión. Y mientras que las segundas pueden parecer insignificantes en comparación con las dimensiones de las primeras, no desempeñan un papel menor al determinar la salud competitiva de las empresas. Tras el crecimiento exponencial del universo digital en los últimos años, hemos llegado a un grado de complejidad que requiere la introducción de un conocimiento profundo de las materias en cuestión. Esto es algo que no se logrará recopilando todavía más datos ni implementando un algoritmo. Irónicamente, es un cambio de dirección que se aleja del «lo grande es hermoso» y podría aprovechar todo el potencial de los big data.

 

Perspectivas del mercado laboral – Análisis de la «abundancia de datos» de tendencia

La progresiva digitalización del mercado laboral ha logrado cantidades de datos increíbles, cuyo análisis podría proporcionar más transparencia en el mercado laboral y una mejor base para la toma de decisiones para las empresas. Un importante requisito para obtener una perspectiva significativa del mercado laboral es una gráfica semántica que reproduzca de forma digital las complejas relaciones de los empleos y las competencias, y de este modo permita reconocer situaciones complejas en los datos del mercado laboral.

En los últimos 15 años, internet ha cambiado la estructura de casi todos los entornos laborales y los sectores de los RR.HH. y la contratación no son una excepción. Las grandes plataformas de empleo, los sitios web de empresas y empleo, y las redes laborales se han sumado a esta tendencia. El anuncio de trabajo ha encontrado su camino desde los medios impresos hasta el mundo digital. Además, la automatización, los big data y la contratación por redes sociales han modificado la búsqueda de personal. La contratación se traslada cada vez más al espacio digital y este proceso desarrolla sobre todo algo: datos.

Los departamentos de personal nunca antes dispusieron de tantos datos sobre los solicitantes, los empleados y sus competencias. El análisis de estos conjuntos de datos ofrece posibilidades insospechadas para formarse ideas en la reserva de talentos de la empresa. Fuera de las empresas también se acumulan estas cantidades de datos: los portales de empleo, las redes sociales, los proveedores de software y los buscadores recopilan datos sobre la búsqueda de empleo, la formación y los perfiles de competencias. Cada vez con más frecuencia, los datos no solo se emplean para optimizar la propia página o para los procesos de contratación, sino que también se publican como análisis del mercado laboral o se integran en nuevos productos.

Un ejemplo interesante es el análisis presentado recientemente sobre el mercado laboral suizo de Job Cloud. Job Cloud ha difundido el estudio Market Insights en colaboración con la ZHAW. Se analizaron los datos del comportamiento de los usuarios en los portales jobs.ch y jobup.ch. Este estudio sobre el comportamiento permite una comparación directa entre los anuncios publicados y los clics de las personas que buscan empleo. El comportamiento de los usuarios se analizó según distintos aspectos, como los sectores, las categorías laborales, el nivel de jerarquía, el grado de ocupación y las horas del día y de la semana. El Prof. Dr. Frank Hannich de la ZHAW afirma que las «JobCloud Market Insights» ofrecen detalles sobre qué grupos profesionales o campos se ven más afectados por la falta de personal especializado y señalan diferencias regionales entre la Suiza francófona y la germanófona.

Mientras que las perspectivas del mercado laboral existentes hasta ahora se basaban sobre todo en encuestas, gracias a las cantidades de datos en aumento, cada vez hay más posibilidades para adquirir conocimientos profundos y fiables. En la actualidad se pueden medir distintos aspectos del mercado laboral: el nivel salarial, el nivel de formación, el comportamiento de las personas que buscan empleo y el valor de las competencias y conocimientos adicionales se pueden analizar en base a los datos que ya se han recopilado. Los conocimientos resultantes de estos análisis proporcionan una mejor base para la toma de decisiones para los departamentos de personal y los institutos de formación, y aportan más transparencia a todos en el mercado laboral. El potencial del análisis del mercado laboral es grande y está lejos de agotarse todavía.

Muchas empresas especialistas en el análisis del mercado laboral se centran en la agregación y extracción de los datos del mercado laboral. Por ejemplo, recopilan millones de ofertas de empleo online (sobre todo en los mercados más grandes, la agregación de varias fuentes es decisiva para reunir un conjunto de datos significativo) y extraen las competencias, la formación y la experiencia requeridas para el empleo. Las empresas de software y las redes laborales que ya disponen de una inmensa cantidad de datos de los empleados o miembros, también tienen que extraer los datos relevantes para un análisis. Por lo tanto, cuanto más estructurados están los datos, más sencillo es.

Además, es importante entender las complejas relaciones de los datos del mercado laboral y poder incluirlas en el análisis de datos. Por ejemplo, hay que reconocer que tanto Microsoft Dynamics, Sage y Odoo, como SAP Business One, Oracle Netsuite y Kronos son sistemas ERP. Sin esta conexión, no se podrían responder las preguntas más relevantes, como por ejemplo, para qué empleos se requieren conocimientos de ERP.

Los análisis semánticos son imprescindibles para representar de forma digital estas conexiones y poder incluirlas en un análisis de datos. Las relaciones entre empleos, capacidades, tecnologías y formaciones se pueden realizar en gráficas de conocimiento que juntas forman una ontología. En el mercado laboral global las ontologías como JANZZon!, que se creó con un enfoque que va más allá de los idiomas y países, son especialmente valiosas porque permiten analizar y comparar los datos del mercado laboral a través de las fronteras. Las ontologías pueden ser cruciales para aprovechar todo el potencial de la abundancia de datos del mercado laboral y obtener una valiosa comprensión.

Robots en la contratación – Cómo la aplicación de tecnologías inadecuadas puede confundir a los solicitantes.

«Cómo engañar al robot de las solicitudes» tituló 20minuten su artículo online. El mencionado robot se trata de un sistema de seguimiento de candidatos (ATS) y su opción de clasificar automáticamente y en parte descartar a los solicitantes empleando los datos introducidos en esta fase. El primer artículo sobre este tema «En Suiza los robots también realizan una criba de las solicitudes» polarizó atención en la lectura. «Aquí se vuelve a mostrar con toda claridad que ya no se buscan personas para un trabajo, sino simplemente personal» o «La ventaja de un ordenador es que no hace distinciones por el color de la piel ni el atractivo de los solicitantes.» son solo dos ejemplos de los más de 600 comentarios de los lectores y muestran todo lo que varían las opiniones.

Con el anterior artículo, 20minuten intenta ofrecer trucos y consejos a los usuarios sobre la mejor manera de completar la información del ATS. Sin embargo, hay que aclarar algo antes. Qué robots o, mejor dicho, qué tecnologías se emplean en realidad. En este caso, el análisis sintáctico está en el centro de las críticas de ambos artículos.

¿Qué es el el análisis sintáctico de CV?
El análisis sintáctico consiste en transformar curriculum vitae sin estructurar en texto continuo y así en un formato que puede editarse con el ordenador. Los curriculum vitae en formato de imagen o PDF también se pueden analizar sintácticamente integrando un programa de reconocimiento de texto (OCR) u otras soluciones. Seleccionar la información más importante de un CV parece sencillo, pero para el ordenador es una tarea muy compleja porque el lenguaje humano ofrece posibilidades casi infinitas para representar una cosa. La misma palabra tiene significados totalmente diferentes en distintos contextos. Si, por ejemplo, el discurso menciona un «director general», puede ser que el autor del curriculum vitae fuera el director general o que fuera «subordinado directo del director general». La experiencia o las cualificaciones no se suelen describir con palabras clave, sino que se suelen explicar de forma implícita en el texto. Por lo tanto, un analizador sintáctico de CV debe ser capaz de interpretar correctamente el contexto mediante un análisis semántico. Se tiende a informar en los encabezados normales de un curriculum vitae sobre qué información se puede encontrar en el siguiente apartado.
Esta tarea parece sencilla, pero es muy complicada. Cada persona estructura su curriculum vitae como quiere porque este también es un reflejo de su propia personalidad. Varios intentos de estandarizar la estructura del curriculum vitae (lo que mejoraría naturalmente de forma sostenible la calidad del análisis sintáctico), como por ejemplo, el Europass, han fracasado.

¿Cómo funciona el análisis sintáctico de CV en la actualidad?
El reto del análisis sintáctico también es muy complejo – resumir el texto continuo en información estructurada. Las empresas con su ATS y las plataformas de empleo también se pasan de la raya al prometer a los solicitantes que cuando suban su CV, en cuestión de segundos tendrán el trabajo de sus sueños. Esto también ocurre al probar algunas plataformas de este tipo: la experiencia laboral se registra incorrectamente o no se registra porque el analizador sintáctico o no consigue reconocer los periodos durante los que alguien se ha dedicado a una actividad, o no consigue descubrir el sector de tareas ni el título del empleo adecuadamente. Además, suele ser complicado distinguir entre formación y experiencia (p. ej. en el caso de las prácticas). En muchas plataformas no se ve en absoluto qué información se extrae del CV y se emplea para la búsqueda de empleo. Algunos errores son tanto más molestos, pues el solicitante tiene que corregir manualmente la información extraída del curriculum vitae.

Pero parece peor que el solicitante no puede descubrir en ningún momento cómo el análisis sintáctico valora los criterios, p. ej. a qué experiencia, formación o habilidades se les da una importancia especial. Así también se pueden descartar a solicitantes adecuados solo porque no cumplen exactamente los criterios que se consideraron esenciales para la selección previa. Las empresas tienen el caso contrario, pues no se les muestra nunca a la primera los candidatos potencialmente adecuados.
A pesar de esto, no es incorrecto describir al analizador sintáctico como una herramienta útil para ahorrar tiempo que depende de una ayuda manual. Sin embargo, unas expectativas desmesuradas acaban indignando a los solicitantes, lo que provoca una mala experiencia para los candidatos. El estudio, Recruting Trends 2015, del portal de empleo Monster también indica que el análisis sintáctico de CV todavía no funciona correctamente. Ha comprobado que a los empleadores les gustan las solicitudes de formularios online por su homogeneización y clara disposición, pero que los solicitantes las odian por el esfuerzo que requieren. La continua impopularidad de la solicitud online, así como las obvias de los dos artículos de 20minuten indican que todavía muchos usuarios consideran insuficiente el análisis sintáctico de CV. Los solicitantes no suelen escatimar en esfuerzos ni gastos para solicitar un puesto adecuado con un curriculum vitae perfecto, cartas de recomendación, referencias, ejemplos de trabajos, etc. Tener que enfrentarse en primer lugar a un ATS en el que tienen que cargar todos los datos en un penoso y largo trabajo les provoca una irritación innecesaria y también aumenta todavía más la fuente de errores. Puesto que los ATS no se corresponden con ninguna norma clásica, puede ocurrir que el usuario tenga que volver a cargar sus datos una y otra vez de forma diferente.

Optimizar los documentos para los ATS
Para que los solicitantes puedan prepararse con la mayor eficiencia posible, en realidad hay un par de consejos que ayudan a no ser descartado porque las entradas no sean suficientes. Jan Tezge de SolarWinds muestra los más importantes en su blog de LinkedIn. Se recomienda procesar siempre los documentos como documento de texto y no solo como PDF porque muchos sistemas de análisis sintáctico tienen muchas dificultades con los PDF. Emplee siempre una fuente predeterminada que se lea bien. Es esencial incorporar las palabras clave más importantes de la convocatoria también en la carta de recomendación o el CV para que se puedan reconocer al momento. Los datos de la dirección siempre deben estar en la parte superior de la solicitud. Con ciertos consejos y trucos también se pueden aumentar las posibilidades de no ser descartado al principio.

¿Qué robot tiene la culpa?
¿Quién se encarga de descartar? El análisis sintáctico seguramente todavía no está del todo maduro y la tecnología tiene mucho camino que recorrer. De todas formas, se pueden agrupar los datos y crear un orden con los criterios valorados. Para poder comparar las habilidades del usuario con las habilidades requeridas para el puesto, se requiere una tecnología totalmente diferente: el matching.

La aplicación de tecnologías adecuadas mejora la experiencia de los candidatos
Al igual que en otros sectores, en RR. HH. también aumenta el deseo de automatizar parcialmente o facilitar los procesos. Esto puede molestar a muchos usuarios, pero no es distinto de lo que ocurre en otros ámbitos. Hace años también sería impensable que nosotros introdujéramos los datos para los pagos, en lugar de enviarlos al banco para que los tramitara. Reservábamos viajes en agencias de viaje y no teníamos que molestarnos en buscar ofertas online, ni en introducir la información para la reserva, etc.
La tecnología tiene el potencial de aumentar la eficiencia en RR. HH – pero esto solo es posible si se emplea la tecnología adecuada. El matching basado en ontologías no solo proporciona un aumento de la eficacia, sino que también ofrece algunas ventajas a las personas que buscan trabajo. La plusvalía que se puede lograr mediante el matching de habilidades requiere una forma de pensar técnica y organizativa. Muchas ofertas de trabajo, tal y como aparecen en la actualidad en las plataformas de empleo y las redes sociales, no contienen suficiente información sobre un empleo para poder reconocer qué empleados busca en realidad una empresa. El título del empleo «director ejecutivo» suena prometedor, pero no dice nada del campo de trabajo, por no hablar de la formación o la experiencia necesaria para desempeñar este empleo. El matching basado en ontologías puede tratar una gran cantidad de datos complejos, pero requiere un mínimo de información clasificada sobre un trabajo. El análisis sintáctico debe disponer de este tipo de datos clasificados para poder descartar correctamente a los solicitantes inadecuados. Cuando la tecnología no es suficiente, hay que realizar la comparación con los datos introducidos manualmente. Es importante recordar que solo los buenos datos producen una buena coincidencia. Un buen matching puede ofrecermucho más que una mera comparación automática de empleos o habilidades.

Por ejemplo, permite procesos de solicitudes libres de discriminación mediante el anonimato (gradual) entre las personas que buscan empleo y las empresas. Así se pueden evitar los prejuicios, por ejemplo, por apariencia, nacionalidad, edad o sexo. Si el empleador y el empleado se tratan desde el principio de forma anónima, los criterios relevantes para un trabajo son los decisivos para el matching.

¿Es cierta la mala fama de los ATS?
Estos sistemas son capaces de simplificar los procesos. Sin embargo, para poder aplicar esto de forma rentable se requiere sobre todo un buen analizador sintáctico. Solo la clasificación precisa y la estandarización permiten comparar los datos y logran el punto de partida ideal para el matching basado en ontologías. Por este motivo, unas buenas ontología y taxonomía son los factores decisivos del éxito porque evitan los errores en la clasificación. En el análisis sintáctico tampoco debe infravalorarse nada nunca. Ningún algoritmo es tan preciso como el conocimiento del usuario. El análisis sintáctico facilita naturalmente el trabajo a los responsables de RR.HH. o contratación, pero también puede ser tan bueno como quien maneje el sistema. Solo si RR.HH. comprueba y analiza los dosieres y resultados existentes se puede contratar a las personas adecuadas para el puesto.

La mejor opción para los que quieran cambiar su ATS en el futuro y mejorarlo de manera decisiva es JANZZon!. Gracias a los datos inteligentes y a la mayor base de datos de conocimiento enciclopédico del sector de los datos sobre ocupación laboral, simplificará sus procesos, evitará una gran parte de las fuentes de errores descritas en este artículo y logrará la base para un matching eficaz y preciso.

Más información