Saber situar las distintas disciplinas que dan origen a las Analíticas de RRHH.
Enumerar qué competencias y habilidades se requieren para el análisis de datos de RRHH.
Auditar su propia empresa y situarla en el nivel de madurez y reporting correspondiente.
Diferenciar cada uno de los 5 pasos del Ciclo de Análisis de Datos de RRHH.
Conocer las características que conforman un Business Case apto para el Análisis de Datos de RRHH.
Conocer las posibles dificultades que pueden surgir al adoptar una metodología de People Analytics.
Establecer relaciones entre resultados de negocio y procesos de RRHH.
Elegir el tipo de datos correcto.
Preparar un set de datos limpio y ordenado.
Saber elegir el tipo de análisis de datos indicado para cada set de datos.

1. Origen y breve historia de las People Analytics.
   
2. Hacia la primera definición de las People Analytics.
   
3. ¿Qué conocimientos necesito?
   1.1 Business.
   1.2 Recursos Humanos.
   1.3 Análisis de datos.
   1.4 IT.
   
4. El punto de partida.
   
5. El test de auditoría.
   
6. Interpretando resultados.
   
7. El ciclo de Análisis de Datos de RRHH.
   
8. El Business Case.
   
9. El jefe de personal vs el Human Resource Business Partner.
   
10. Respondiendo las preguntas de la jerarquía.
    
11. La presentación del Business Case.
    4.1 Consejos útiles.
    
12. Implantando un mindset analítico en los Recursos Humanos.
    
13. ¿A qué nivel queremos que los datos guíen nuestras decisiones?
    
14. ¿Qué hallazgos queremos encontrar?
    
15. ¿Quién va a recibir nuestras averiguaciones?
    
16. Planeando pequeñas victorias a corto plazo.
    
17. Haciendo las preguntas adecuadas.
    
18. ¿Por qué comenzamos?
    
19. Creando valor desde la función de RRHH.
    3.1 So That Statement.
    
20. El Flujo de Valor en RRHH.
    
21. Seleccionando los datos.
    
22. Cómo se generan los datos.
    
23. La importancia del contexto.
    
24. El grado de completitud de los resultados.
    
25. Precauciones con el uso de datos. Compliance.
    
26. Data Cleansing.
    
27. ¿Por qué es importante?
    
28. La correcta gestión de los datos.
    
29. Consideraciones previas al Data Cleansing.
    
30. Los aspectos básicos del Análisis de Datos.
    
31. Ejemplos de Análisis.