Caso de éxito | Tomar decisiones basadas en datos ayuda a INCAE a focalizar el reclutamiento de candidatos

Nadie duda de que la información basada en datos permite a las organizaciones optimizar la atención a sus grupos de interés y, sobre todo, conocer mejor el negocio, cualquiera que este sea.

En el caso de INCAE, donde el “negocio” es algo tan sensible e importante como la educación superior de alto nivel enfocado, precisamente, en los negocios, existe un interés muy serio en valorar los datos obtenidos mediante diversas herramientas.

Lo explica Paul Juárez, Director de Reclutamiento y Admisiones: “En INCAE comenzamos hace años con herramientas básicas, como Excel, para compilar y analizar la información sobre los candidatos. Luego importamos esa información a una base de datos para llevar a cabo un proceso más complejo con información que incluye, además de los datos demográficos y de seguimiento (contenidos en el CRM de Salesforce), y los indicadores de comportamiento de los candidatos, que nos proporciona el software Marketo, construimos un “Leadscore” aplicando técnicas avanzadas de Machine Learning. Estos cambios los incorporamos hace un par de años.

“El conocimiento sobre el comportamiento -comenta- que incluye, por ejemplo, qué candidato, además de tener un buen perfil, entra más veces a nuestra página web, busca más información, comenta lo que publicamos” nos permite identificar por tanto no solo los candidatos “interesantes” por perfil si no también los más “interesados” en INCAE. Estos elementos combinados nos ayudan a tomar mejores decisiones.”

Por otra parte, de acuerdo con Paul, “se ha hecho otro ejercicio de text mining, buscando los puntos en común o tendencias en los ensayos de estudiantes de INCAE que ingresaron durante los últimos diez años”.

La ciencia de datos al servicio de INCAE

El instituto buscaba ir más allá, y por eso este año el análisis de datos se ha robustecido con metodologías y algoritmos más complejos de machine learning. “Nuestra motivación -asegura Paul- es identificar a los candidatos con mejor perfil y con mayor probabilidad de avanzar en el proceso de reclutamiento con base en los datos de candidatos que se sentaron en los últimos años”.

Ciertamente, y así lo aclara Paul, “no es una herramienta para discriminar, sino para poner orden y saber a quién llamamos primero y a quién después. Finalmente, todos están solicitando información y debemos responderles”.

Equipo de trabajo: Paul Juárez, María Jesús Quirós y Fernando Miranda

Lo que comenzó hace tiempo en INCAE como un ejercicio de análisis de datos se ha robustecido con la intervención de Fernando Miranda, un economista, experto en econometría, estadística y autodidacta en temas de machine learning, deep learning y análisis de datos para la toma de decisiones quien, como científico de datos, ha contribuido a construir en INCAE algoritmos complejos analizándolos en otros programas específicamente diseñados para ello. Y también con el apoyo de María Jesús Quirós, nuestra experta en Lead generation  y Marketing Operations.

Según comenta Paul, “la información de nuestro sistema de CRM se baja y procesa en R, un potente programa de investigación. El resultado (la calificación de cada candidato) se devuelve al CRM, de tal manera que las personas que llaman cuentan con los datos para saber quiénes son los candidatos con mayores probabilidades de entrar”.

Esta metodología comenzó a utilizarse en forma durante el reclutamiento de candidatos para el Master in Analytics, Innovation & Technology (MAIT), lanzado apenas este año, pero se había usado antes para MBA, no de manera tan sofisticada. “En corto, lo estamos afinando para el programa del MBA correspondiente al próximo mes de septiembre”, confirma Paul.

¿Es posible que otras áreas de INCAE pudieran aprovechar estos mecanismos de análisis de datos? Paul responde: “¡Sin ningún problema!”, pero aclara que se requiere de tiempo y de definir el programa para el que se desea hacer una proyección. “Y, por supuesto, estamos dispuestos a apoyar a cualquier área que quiera trabajarlo”, asegura Paul.

Resultados muy concretos y planes en el corto plazo

Paul Juárez reporta un efecto positivo en la implementación del análisis de datos para el reclutamiento de candidatos.

“Lo cierto es que INCAE tiene muchos atributos -dice Paul-, y todos valiosos: el ranking, la internacionalidad, los convenios, las acreditaciones, la Facultad tan sólida, etc. Esta metodología nos ha permitido delimitar cuáles son los atributos que pesan más y hacer más eficientes nuestras inversiones en marketing. Gracias a ello, el equipo comercial tiene más herramientas parar priorizar a quién llamar”.

En el corto plazo, el área de Reclutamiento que encabeza Paul tiene planeado retomar el ejercicio de agregar el componente de colocación. “No solo medimos la probabilidad de que el candidato quiera venir a INCAE y se siente en el programa, sino de que pueda colocarse dentro de los tres meses después de su graduación y con un incremento salarial por encima del 50%. Replicando un ejercicio que había dirigido el Prof. Juan Carlos Barahona en 2019 para el equipo de Career Services.

“Hoy buscamos, más que tener un algoritmo más complejo, asegurar que se mida toda la información que nos interesa a través de la herramienta Oportunidades que ofrece Salesforce, y que todos tengan acceso a ella”.

¿Por qué llegan las personas a INCAE?

En palabras de Paul, “más allá de los datos, lo más importante es entender el impacto de INCAE y conocer las razones por las que las personas quieren ser parte del instituto.

“Ofrecemos maestrías de primer nivel, bien ranqueadas, pero las personas no vienen por eso. Los datos nos revelan que, teniendo varias opciones, los candidatos nos eligen porque desean ser parte del impacto de INCAE y del liderazgo; porque quieren hacer una diferencia, entender las economías emergentes y participar en la relación de América Latina con Estados Unidos, Europa y el resto del mundo.

“Son mensajes en los que tenemos que ser consistentes, no solo para lograr metas, sino para conectar con lo que tiene un mayor sentido: por qué hacemos lo que hacemos,” concluye.