People Analytics aplicado a la gestión del tiempo: KPIs, fórmulas y casos prácticos para RRHH

Hay una paradoja muy llamativa en el mundo de los Recursos Humanos en España. Por un lado, España cerró 2025 con una tasa de absentismo laboral del 7,1%, según el informe trimestral de Randstad Research elaborado con datos de la Encuesta Trimestral de Costes Laborales del Instituto Nacional de Estadística (INE). Eso supone que 1,59 millones de personas no acuden cada día a su puesto de trabajo en España, la cifra más alta de la serie histórica. España lidera además el ranking europeo de absentismo por incapacidad temporal con un 4,1%, frente a la media europea del 2,5% según los datos publicados por el IVIE en 2024.

Por otro lado, prácticamente todas esas empresas que sufren el absentismo más alto de Europa tienen, desde mayo de 2019, la obligación legal de llevar registro horario digital. Es decir: tienen los datos. Saben con precisión de minuto cuándo entra cada persona, cuándo sale, cuándo falta, cuántas horas extra hace cada equipo y cuántas pausas se toma cada turno. Esos datos se generan automáticamente, son trazables y son fiables. Y, sin embargo, la inmensa mayoría de las empresas no los está usando para tomar decisiones. Los datos están en el sistema. Las decisiones se siguen tomando por intuición. Y el absentismo sigue subiendo.

Algo no cuadra. Si las empresas tienen los datos y los problemas operativos no dejan de crecer, ¿dónde está el fallo? La respuesta, incómoda pero verificable, es que la mayoría de las empresas que dicen estar haciendo análisis de datos en RRHH lo aplican a procesos blandos —clima laboral, engagement, encuestas eNPS, evaluaciones de desempeño— y casi ninguna lo aplica a los datos más fiables que tiene en sus manos: las horas que cada persona trabaja, falta o hace de más. Los datos del fichaje, los de la planificación y los de las ausencias. Los datos que se generan automáticamente cada día y que, bien analizados, traducen casi cualquier problema operativo en un número con coste asociado.

Esa segunda capa, la que parte de datos de tiempo y no de encuestas, es lo que en este artículo llamamos People Analytics aplicado a la gestión del tiempo. También conocida como workforce analytics, es la versión de People Analytics más rápida de implantar, la más fácil de medir, la que más rápido se traduce en ahorro real y, paradójicamente, la que casi nadie está aplicando bien en España. Si tu empresa ya tiene un sistema de registro horario digital mínimamente decente, ya tienes el 80% del trabajo hecho: lo único que falta es saber qué KPIs medir, cómo calcularlos y cómo cruzarlos para tomar decisiones.

En esta guía completa de Protime te explicamos qué es People Analytics aplicado a la gestión del tiempo, por qué los datos de jornada son la mejor materia prima posible, cuáles son los cinco KPIs de RRHH imprescindibles, cómo calcular el coste real del absentismo en tu empresa con una fórmula sencilla, los mitos más extendidos y cuatro escenarios sectoriales ilustrativos donde estos KPIs se traducen en decisiones de ahorro.

Esta es la lista corta de KPIs de RRHH que parten todos de los datos de tu sistema de fichaje, que se calculan con fórmulas sencillas y que, cruzados entre sí, te dan una foto bastante completa del estado operativo de tu plantilla. Si tu empresa empieza a medir solo estos cinco indicadores, ya está haciendo más People Analytics aplicado a gestión del tiempo que el 80% del mercado.

KPI 1: Tasa de absentismo (con desglose por causa y segmento)

Fórmula: (Horas no trabajadas por ausencias / Horas pactadas) × 100

Referencia España: la media nacional al cierre de 2025 fue del 7,1% según el informe trimestral de Randstad Research con datos de la Encuesta Trimestral de Costes Laborales del INE. Si tu tasa supera ese umbral, estás por encima de la media española. Si supera el 8%, estás en territorio de problema estructural.

Es el indicador básico, pero la mayoría de empresas lo calcula mal porque suma todas las ausencias en una sola cifra global. El valor real está en el desglose: por causa (incapacidad temporal, permisos retribuidos, ausencias injustificadas, retrasos), por departamento, por turno, por antigüedad, por tipo de contrato y, sobre todo, por responsable directo. Una empresa con un absentismo global del 6,3% que se concentra en el turno de noche del departamento X bajo el responsable Y tiene un problema muy distinto del que sugiere el dato global. Solo el desglose lo revela.

Conviene también compararse con la media sectorial, no solo con la general. Según los mismos datos de Randstad/INE para el cuarto trimestre de 2025, el sector industrial registra un 7,5%, los servicios un 7,1% y la construcción un 5,9%. Y dentro de servicios, la rama de Sanidad y Servicios Sociales lidera con un 10,8%. Saber dónde está la media de tu sector cambia completamente la interpretación de tu propio dato.

KPI 2: Horas extraordinarias por empleado y mes

Fórmula: Horas extra totales del mes / Número de empleados activos

Umbral legal: el art. 35.2 del Estatuto de los Trabajadores fija el límite máximo de horas extraordinarias en 80 horas anuales por trabajador, lo que equivale aproximadamente a 6,67 horas mensuales. Si tu media supera ese umbral durante varios meses seguidos, no solo tienes un problema operativo: tienes un problema legal en ciernes.

Las horas extra son un termómetro doble: del estado de la planificación y del riesgo legal. Si tu media mensual sube durante dos meses seguidos en un mismo equipo, no es un pico estacional: es un problema estructural. La distribución irregular de la jornada puede absorber gran parte de esas horas si las anticipas con tiempo suficiente, pero solo si las ves venir.

KPI 3: Desviación entre jornada planificada y jornada real

Fórmula: ((Horas reales − Horas planificadas) / Horas planificadas) × 100

Este es el KPI que casi nadie mide y que es probablemente el más útil de los cinco. La desviación entre la jornada que estaba prevista y la que efectivamente se trabajó es el indicador más temprano de problemas operativos: cambios de última hora, cobertura insuficiente, picos no previstos, planificaciones poco realistas, ausencias no cubiertas. Si tu desviación media supera el 8% sostenidamente, tu planificación está sistemáticamente equivocada y eso genera horas extra, fatiga, conflictos y errores. Si tu desviación es muy baja pero el absentismo sube, tienes un problema cultural, no operativo. Saber distinguir un caso del otro es la diferencia entre actuar sobre la causa y actuar sobre el síntoma.

KPI 4: Coste real de la hora trabajada por equipo

Fórmula: (Coste salarial total + Coste de sustituciones + Coste de horas extra) / Horas reales trabajadas

Esta es la versión "de finanzas" del People Analytics, y la que más impacto tiene en una conversación con dirección general. El coste real de cada hora trabajada en un equipo es muchísimo más alto que el coste salarial bruto del convenio, porque incluye todos los costes ocultos derivados del absentismo, los refuerzos temporales y las horas extra. Cuando lo calculas por equipo, descubres rápidamente que dos equipos con la misma plantilla y el mismo coste salarial nominal pueden estar costando un 25% más uno que otro por culpa de la operativa. Y eso le interesa al director financiero mucho más que cualquier otro indicador de RRHH.

KPI 5: Índice de saturación (horas trabajadas vs jornada máxima legal)

Fórmula: (Horas trabajadas en el periodo / Horas máximas legales en el periodo) × 100

Es el indicador de riesgo de burnout más simple y más fiable que existe, y por eso le dedicamos aquí más espacio que a los anteriores: es el que mejor diferencia un análisis sofisticado de uno superficial. Mide qué porcentaje del límite legal está consumiendo cada persona o cada equipo. La jornada máxima anual en España, según el art. 34.1 del Estatuto de los Trabajadores, es de 1.826 horas (40 horas semanales por 52 semanas, descontando vacaciones y festivos), aunque la mayoría de los convenios colectivos pacta jornadas menores que rondan las 1.760-1.800 horas.

Cuando un trabajador supera el 95% de su jornada máxima de forma sostenida durante varios meses, el riesgo de burnout, baja médica y abandono crece exponencialmente. Es un indicador precoz que suele aparecer entre 3 y 6 meses antes que la baja médica o la dimisión. Cruzado con la rotación de personal y con los datos de absentismo del propio empleado, se convierte en un sistema de alertas tempranas extremadamente útil: te permite tener una conversación con esa persona antes de que decida marcharse o de que su cuerpo decida por ella.

Y aquí está el detalle que la mayoría de las herramientas de People Analytics ignoran: el índice de saturación bien calculado debe incluir también las horas "invisibles" (gente teletrabajando haciendo "horas de más" por ejemplo) si tu sistema puede detectarlas. Esos son precisamente los empleados que peor lo están pasando y los que primero dimiten.

Resumen visual: los 5 KPIs y qué te dicen

Nota metodológica: los siguientes escenarios son ilustrativos y están basados en patrones reales detectados por consultoras del sector y en parámetros medios verificables contra los datos del INE y Randstad Research. Los nombres son ficticios y las cifras concretas son orientativas, pero los órdenes de magnitud son realistas y reproducibles en empresas con perfiles similares.

Escenario 1: Sanidad privada — el patrón oculto del absentismo de fin de semana

Situación: Clínica privada con 187 trabajadores en plantilla. Absentismo global del 9,4%, ligeramente por debajo de la media del sector sanitario (10,8%) pero considerado "normal" por dirección durante años.

Lo que reveló el análisis cruzado: desglose por turno y día de la semana. El absentismo de lunes a viernes era del 6,1%. El absentismo de fin de semana, del 13,1%. Y el del turno de noche del fin de semana, del 18,7%. Tres realidades muy distintas escondidas tras una media engañosa que llevaba años camuflando un problema concreto en un equipo concreto.

Acción: Revisión de la rotación del fin de semana, mejora del plus de nocturnidad, reorganización del turno de noche con más rotación entre voluntarios, conversaciones individuales con la responsable de turno. En seis meses, el absentismo de fin de semana bajó del 13,1% al 8,4%. Ahorro estimado al cabo del primer año: del orden de 73.000-80.000€ en sustituciones y horas extra evitadas.

Escenario 2: Industria — el equipo que costaba un 27% más por la misma plantilla

Situación: Fábrica con dos líneas de producción gemelas (52 trabajadores cada una, mismo convenio, mismo salario nominal, mismos turnos, mismo producto). Los costes de personal de la línea B eran un 26,8% más altos que los de la línea A, sin que dirección general supiera por qué. El director de planta atribuía la diferencia a "problemas puntuales" desde hacía dos años.

Lo que reveló el análisis: el indicador de coste real por hora trabajada cruzado con los otros cuatro KPIs. La línea B tenía un 9,2% de absentismo (vs 4,3% en la A), un consumo medio de 7,8 horas extra por trabajador y mes (vs 2,1 en la A) y un índice de saturación del 96,4% (vs 84,1% en la A). Los datos eran el síntoma; la causa era el responsable de turno de la línea B, que llevaba dos años acumulando quejas no atendidas y aplicando criterios arbitrarios de asignación de cargas.

Acción: Cambio de responsable de turno y revisión de la organización interna de la línea B. En cuatro meses, los indicadores de la línea B se equipararon a los de la A. Ahorro estimado al cabo del primer año: del orden de 160.000-175.000€. El director financiero, que llevaba dos años viendo el desfase sin entenderlo, lo entendió en quince minutos cuando le mostraron los KPIs cruzados.

Escenario 3: Servicios profesionales — la rotación previsible que nadie veía venir

Situación: Consultora de 95 personas con un 24,2% de rotación voluntaria anual entre profesionales senior, una de las cifras más altas del sector. Las encuestas de clima salían razonablemente bien (eNPS de +18) y nadie en RRHH entendía dónde estaba el problema.

Lo que reveló el análisis: el índice de saturación cruzado con las dimisiones del último año. El 87% de las personas que dimitieron tenían un índice de saturación superior al 95% durante al menos los seis meses previos a su carta de renuncia. La empresa tenía una bola de cristal que predecía las dimisiones con seis meses de antelación, y nadie la estaba mirando porque las encuestas de clima daban tranquilidad.

Acción: Seguimiento continuo cuando un profesional supera el 90% de saturación durante dos meses consecutivos, con conversación obligatoria de su responsable y revisión de cargas. Reducción de la rotación voluntaria del 24,2% al 16,8% en el primer año. Ahorro estimado en costes de contratación y formación de reemplazos: del orden de 295.000-320.000€ anuales, sin contar el valor del conocimiento retenido y de los proyectos no perdidos.