En plena era de la información y la digitalización, son muchas las empresas y organizaciones que integran las nuevas tecnologías en su ansiada búsqueda del éxito. Estas nuevas tecnologías permiten recopilar un volumen casi interminable de datos, que tras su análisis por profesionales de la estadística y las matemáticas se convierten en herramientas útiles para identificar comportamientos, tendencias e incluso patrones de conducta o de consumo que permiten rentabilizar aún más sus líneas de producción, hablamos del “Big Data”.
La traducción literal del término Big Data, significa “datos masivos”, y hace referencia al proceso de recogida de grandes cantidades de datos. Consideramos Big Data cuando el conjunto de datos no se puede procesar mediante el uso de recursos tradicionales.
En la actualidad, son muchas las empresas que utilizan esta herramienta para dar repuestas a situaciones que ni siquiera se habían planteado. Con una cantidad tan grande de información, los datos pueden ser moldeados o probados de cualquier manera que la empresa considere adecuada. Al hacerlo, las organizaciones son capaces de abordar los problemas de una forma más favorable.
¿Cómo podemos aplicar el Big Data en la PRL?
Basándose en un modelo de análisis predictivo, el Big Data proporciona información suficiente para determinar el qué, cuándo y cómo se va a producir una situación de riesgo que probablemente termine en un accidente laboral.
Monitorizando los movimientos de los trabajadores mediante el uso de dispositivos tecnológicos de seguridad y de ergonomía, podemos detectar malas conductas y/o hábitos adoptados en los puestos de trabajo, hecho que permite alertar al usuario para que corrija sus movimientos antes de que ocurra el accidente. Sin duda, esto supone un gran avance en el campo de la seguridad laboral, lo que deja patente que la tecnología aplicada a la prevención de riesgos laborales es muy beneficiosa.
¿Pero es la predicción de los accidentes laborales suficiente para evitarlos?
La respuesta es no. Como se ha citado anteriormente, el Big Data con sus datos masivos y la enorme cantidad y variedad de conexiones entre sí, permite determinar qué ocurre, cuándo y cómo, pero no explica el por qué.
El análisis de los datos no explica por qué las personas hacen lo que hacen, aquello que determina sus preferencias y comportamientos en sí mismo.
Es en este punto donde entra en juego la necesidad de aportar significado a esa información, comprender por qué se generan esos patrones, tendencias o pautas de comportamiento que nos indica el Big Data. Para ello, surge la necesidad de darle un enfoque cualitativo, conocido como “Thick Data” que complemente ese tratamiento masivo de datos.
¿Qué es el Thick Data?
El término Thick Data ha sido popularizado por la antropóloga Tricia Wang y significa literalmente “datos espesos”. Se diferencia del Big Data por su enfoque cualitativo, obteniendo datos etnográficos mediante la interacción entre individuos (entrevistas en profundidad, compartir actividades con los miembros de una comunidad, confrontar y experimentar situaciones…), que permiten poner de manifiesto contextos, emociones, motivaciones y modelos que aportan significado a la información cuantitativa sobre la que trabaja el análisis predictivo de los datos y que marcará la probabilidad de que surja un accidente.
Combinando ambas herramientas, podemos acceder a una imagen completa de la situación, y comprender en profundidad su significado para establecer las bases de la solución. Ambas herramientas son complementarias y representan dos enfoques diferentes de entender la misma realidad. Mientras el Big Data aporta información basada en el análisis de una enorme muestra de datos, el Thick Data debe aportar significado, a través de la etnografía, y servir para contrastar esa información y conocer las causas reales de por qué se actúa de una determinada manera u otra.
¿Qué hemos hecho en Full Audit?
Llevamos años trabajando sobre los resultados de los procesos de auditoría legal. El análisis y explotación de estos datos nos ha permitido obtener información objetiva de gran valor, tanto para nosotros como para nuestros clientes, garantizando siempre la confidencialidad.
Hemos recopilado los resultados de las auditorías realizadas desde 2004, lo que supone manejar un volumen de datos de más de 900 procesos de auditoría legal, correspondientes a más de 500 empresas de todos los sectores de actividad.
Además de responder a la obligada pregunta de la Dirección de ¿cómo estamos respecto a la competencia?, el tratamiento de estos datos ha servido como argumento de refuerzo a algunas inquietudes de las organizaciones como: El Servicio de Prevención, ¿depender de Dirección general o de RRHH?.
De la misma forma, identificar las desviaciones más comunes en un sector de actividad en concreto, nos lleva a dirigir nuestros esfuerzos a la aportación de valor en el tema en cuestión, como en el caso de estudio epidemiológico o los aspectos relacionados con el diseño preventivo.
Por último, el análisis estadístico nos permite analizar la evolución de la gestión preventiva en lo que se refiere al grado de cumplimiento legal, lo que, unido indudablemente a la experiencia del equipo auditor y los inputs recibidos de nuestros clientes durante los procesos de auditoría, nos puede llevar a una estimación de cuál será la tendencia en el medio plazo (aunque esto lo dejamos para otro post que publicaremos próximamente).
Cuéntanos en los comentarios si en tu organización se usa el Big Data y cómo se aplica en la prevención de accidentes.
