Cómo Meta predice la salida de profesionales tech: los resultados del modelo de ML sorprendieron al investigador

Un especialista en People Analytics con más de una década de experiencia en Meta decidió investigar por qué los talentos abandonan las empresas tecnológicas en su primer año de trabajo. Estaba seguro de su respuesta — hasta el momento en que lanzó un modelo de Machine Learning para analizar los datos.

Hipótesis

Inicial Después de años trabajando con datos de recursos humanos, el analista había formado una convicción sólida: la rotación se determina por dos o tres factores clave. Probablemente, razonaba, sería el salario, el crecimiento profesional y la calidad de la incorporación. Las conversaciones con colegas en Meta confirmaban este punto de vista. Pero cuando se trataba de recopilar datos concretos y construir un modelo, la imagen se volvió menos clara.

El

Modelo Reveló Algo Diferente El modelo de ML descubrió que el poder predictivo de los factores en los que apostaba era mucho más modesto de lo esperado. En cambio, patrones inesperados emergieron como el foco. Resultó que quienes a menudo se van no son los más insatisfechos con el salario, sino aquellos que sentían incertidumbre sobre hacia dónde se dirigía su carrera en la empresa.

El estudio identificó los verdaderos predictores: Trayectoria profesional del empleado anterior al rol actual Velocidad de toma de decisiones a nivel de gerente Señales culturales que una persona recibe en las primeras semanas Alineación motivacional entre objetivos personales y misión de la empresa * Presencia de un mentor o patrocinador en las etapas iniciales ## Cómo Aplicar Esto La investigación abre una nueva dirección para la estrategia de RH. En lugar de enfocarse solo en compensación y escaleras de carrera, las empresas pueden invertir en la calidad de la incorporación, asignar un patrocinador a cada nuevo empleado y acelerar el proceso de toma de decisiones a nivel de líderes de equipo.

"Los datos no mienten — el problema a menudo no es lo que ves en la superficie"

Qué

Significa Esto Las empresas tecnológicas gastan enormes recursos atrayendo talento, pero los pierden debido a deficiencias en la etapa de integración. El modelo de ML muestra: si los primeros meses se organizan correctamente y se le da a una persona una dirección clara, muchos pueden ser retenidos. Esta es una herramienta para que los equipos de People Analytics replanteen su enfoque sobre retención de empleados.