Improving leadership impact through machine learning applied to Human Resources Management

Abstract

Esta investigación profundiza en el estudio del impacto de liderazgo en el rendimiento organizativo como palanca del desarrollo de una ventaja competitiva. A través del estudio de un caso de negocio con datos de liderazgo reales y exhaustivos de más de 1.200 directivos procedentes del sistema feedback 360 y de recursos humanos, esta investigación permite identificar qué comportamientos, estilos de liderazgo y perfil de directivos tienen mayor impacto en los resultados medidos a través de la evaluación del desempeño de objetivos cuantitativos. Además de los comportamientos y estilos de liderazgo, permite analizar cómo el resultado depende de la combinación de diferentes segmentos de líderes, edad, antigüedad y composición del equipo. A través del uso de machine learning primero con un clustering jerárquico y con una regresión después, esta investigación evidencia el impacto positivo de los liderazgos transformacional y participativo en el resultado de una organización, la necesidad de gestionar estilos de liderazgo más negativos como el liderazgo narcisista, y la gestión de la aversión al cambio y el síndrome del impostor como palancas para asegurar un liderazgo más efectivo que lleve a mejor impacto en resultados. Así como la importancia de una combinación adecuada de los estilos de liderazgo, edad, antigüedad y composición del equipo para lograr mejor impacto. En este estudio evidencio cómo una organización podría mejorar el impacto del liderazgo en resultados mediante el entendimiento de cuáles son las principales variables que impactan en este resultado y aplicando medidas de gestión en el ámbito de recursos humanos como resultado de la aplicación de HR analytics. Esta investigación contribuye a la literatura cubriendo el gap que existe entre la teoría y la realidad práctica través del análisis de un caso de negocio real (Vogel et al., 2021), estableciendo una conexión entre proceso y resultados con un uso más estratégico de los datos de la evaluación 360 (Day, David V. et al., 2014) ofreciendo un caso empírico de HR analytics.

This research delves into the significance of effective leadership in enhancing organizational performance and competitive advantage. By analysing a business case with real and comprehensive leadership data of more than 1.200 executives from 360-degree feedback and human resources system, this study identifies key leadership styles and behaviours that impact performance outcomes, and how leadership effectiveness is impacted by a different combination of age, seniority and team composition. Utilizing machine learning with hierarchical clustering first, and subsequent regression analysis, this research highlights the importance of transformational and participative leadership styles in driving positive results, the need to challenge negative leadership states such as change aversion and impostor syndrome to ensure leadership effectiveness, and the importance of having an optimal combination of leadership styles, age and seniority. By understanding the variables that influence performance outcomes and implementing actionable initiatives based on HR analytics, organizations can optimize leadership development practices. This research contributes to literature by filling the gap between theoretical suggestions and the actual reality observed in empirical business case (Vogel et al., 2021), defining a link between process models and performance outcomes with a more strategic use of 360-feedback data (Day, David V. et al., 2014) and offering rigorous empirical research in HR Analytics.