Encuestas en RR.HH.: necesitamos preguntas abiertas

Las preguntas abiertas son una de las maneras más eficaces de reunir opiniones de los empleados y les ofrecen además un foro abierto para ofrecer sugerencias e ideas innovadoras.

Ya hemos hablado aquí de la Voz del Empleado: recoge las necesidades, deseos, esperanzas y preferencias de todos los empleados dentro de una organización. La Voz del Empleado (VoE) toma en cuenta tanto las necesidades explícitas, tales como salarios, carrera profesional, salud y jubilación, así como las necesidades tácitas que pueden incluir la satisfacción en el trabajo y el respeto de los compañeros de trabajo y de los supervisores.

Típicamente encontramos estos textos en encuestas como el ENPS, las encuestas de salida o en las evaluaciones de desempeño.

El análisis numérico y cuantitativo es lógicamente esencial para realizar una evaluación rigurosa, pero la gente no habla en números. Para escuchar la voz del empleado, es necesario escuchar lo que los empleados realmente dicen, en sus propias palabras.

Los datos estructurados no son suficientes. Las fuentes de datos basadas en texto son un factor clave para que cualquier organización pueda comprender los “porqués” y actuar sobre ellos para mejorar en áreas clave de RR. HH., como son la rotación, la contratación o la motivación.

Es necesario, por tanto, convertir la Voz del Emplea tal y como nos llega, en ideas pertinentes y prácticas que los gerentes pueden usar para impulsar el compromiso de los empleados, aumentar la productividad y mejorar los beneficios.

Sin embargo, la actividad de extraer ideas de textos de forma manual es, en el mejor de los casos, tediosa y cara, y en el peor, imposible de realizar debido a los grandes volúmenes de información que a menudo hay que procesar.

Nos hemos encontrado en nuestra experiencia profesional consultoras especializadas en encuestas de clima laboral que sólo procesan las preguntas cerradas (un poco más abajo explicamos esto de las preguntas cerradas o abiertas) y que ante el desafío de analizar miles de sugerencias que han aportado los empleados en preguntas de respuesta abierta, analizan manualmente una muestra del 1% del total de las respuestas. Algo claramente insuficiente.

Para superar este desafío, las tecnologías de análisis de texto procesan y analizan automáticamente el contenido textual y proporcionan información valiosa, transformando estos datos “crudos” en información estructurada y manejable.

Preguntas abiertas y cerradas

Si has estado alguna vez en una empresa mediana o grande, es muy probable que hayas tenido que enfrentarte con cierta frecuencia a rellenar encuestas. La mayoría de ellas te llegan desde RR. HH.

En estas encuestas compiten por tu atención, tu tiempo y tu energía dos tipos de preguntas: abiertas y cerradas.

Las preguntas cerradas proporcionan a los encuestados una línea específica de respuestas, pidiéndoles que escojan una de las respuestas disponibles.

Las preguntas abiertas o de texto abierto, en lugar de obligar a los participantes a someterse a respuestas precocinadas, con las preguntas abiertas las personas de una organización son libres de expresar sus sentimientos específicos sobre la empresa, su trabajo y todo lo que les rodea. Son seguramente, la mejor fuente de valor para una empresa. La retroalimentación que nos proporcionan es extremadamente valiosa para comprender las fortalezas, las debilidades y, sobre todo, las áreas en las que puede mejorar.

Las preguntas abiertas y cerradas difieren especialmente en lo que respecta al papel de los encuestados al responder. Las preguntas cerradas limitan al entrevistado al conjunto de alternativas que se ofrecen, mientras que las preguntas abiertas o de texto libre permiten que el encuestado exprese una opinión sin ser influenciado por el investigador (Foddy, 1993: 127).

Para el ENPS, por ejemplo, encontraremos, seguro, esta pregunta cerrada:

¿Hasta qué punto recomendarías esta empresa como lugar para trabajar?

E-NPS. Recomendarías esta empresa?

Las preguntas abiertas de la encuesta dan a los participantes la libertad de responder y comentar cualquier cosa que vaya a la mente relacionada con la pregunta.

Siguiendo con el mismo ejemplo del E-NPS, la pregunta abierta…

Imagen de texto abierto en encuesta de ENPS

Las encuestas más eficaces, como el mismo E-NPS, equilibrarán cuidadosamente ambos tipos de preguntas.

Beneficios de las preguntas abiertas

Las personas que pueden responder a preguntas abiertas aprecian la oportunidad de ser tan francos y honestos como quieran. Tienen la libertad de responder exactamente como ellos deciden, en sus propias palabras, asumiendo que sus opiniones van a ser escuchadas.

Las preguntas abiertas son una de las maneras más eficaces de reunir opiniones de los empleados y les ofrecen además un foro abierto para ofrecer sugerencias e ideas innovadoras.

Un cuidadoso equilibrio de preguntas abiertas y cerradas ayudará a asegurar que tu encuesta no demore demasiado tiempo o esfuerzo por parte de los encuestados, a la vez que proporciona una visión sorprendente que su compañía puede usar para crecer y mejorar.

Intel y las preguntas abiertas

Dado que las organizaciones tienen sobreabundancia de datos, el análisis de la VoE necesita recurrir a plataformas de análisis automático para extraer el significado que se esconde detrás de las palabras. Para ello, el análisis de la Voz del Empleado se vale de analítica de texto, el análisis de sentimiento y las herramientas de perfilado. Estas tecnologías nos permiten escuchar, analizar y medir para ser capaces de mejorar la organización.

Intel[1] pide a sus 106.000 empleados que completen una encuesta anual que mide el clima laboral de la compañía. Se pregunta a los trabajadores si están orgullosos de trabajar en Intel y si esperan seguir trabajando allí durante cinco años más.

Intel utiliza además el análisis de sentimiento para medir cómo se sienten sus empleados en el texto de comentarios internos en blogs o respuestas a preguntas abiertas en encuestas.

Según Richard Taylor, vicepresidente sénior y director de recursos humanos de Intel, se generan alrededor de 50.000 comentarios, “hemos llegado a un punto en el que tenemos un montón de datos y no necesariamente mucho conocimiento. “

 Notas finales sobre MeaningCloud

En MeaningCloud somos capaces de procesar automáticamente miles o millones de comentarios para identificar las áreas donde es posible hacer mejoras en el nivel de motivación de los empleados y en última instancia mejorar los niveles de retención, e incluso de productividad.

Sobre nuestra metodología: la precisión en la analítica de texto crece a medida que sumamos recursos. Se incrementa igualmente el valor de lo que recogemos. En un post anterior comparábamos este proceso con una de esas tartas de boda con varios niveles.

Para llevarnos a casa:

Que, frente a los datos estructurados, la voz del empleado recogida en preguntas abiertas es la mejor fuente para comprender las fortalezas, las debilidades y, sobre todo, las áreas en las que puede mejorar. Nos va a ayudar comprender las causas y actuar positivamente sobre áreas como el abandono, la motivación o la contratación.


MeaningCloud puede ayudar a extraer información de los comentarios de los empleados la solución de análisis de texto especializada en el área de recursos humanos.

Las fuentes de datos basadas en texto son un factor clave para cualquier organización que quiere entender los “porqués”

Como todas las organizaciones quieren entender mejor a los empleados, las fuentes de datos basadas en texto son un factor clave para que cualquier organización pueda comprender los “porqués” y actuar sobre ellos para mejorar las cosas.

People Analytics, la solución de analítica para recursos humanos de MeaningCloud, ayuda a las empresas a extraer valiosas conclusiones a partir de la realimentación que sus empleados proporcionan.

[1] King, “How Do Employees Really Feel about Their Companies?”. https://www.wsj.com/articles/how-do-employees-really-feel-about-their-companies-1444788408

 

 


Leave a Reply

Your email address will not be published. Required fields are marked *

*
*