Prototipo de Predicción del Desempleño Laboral Aplicando Técnicas de Minería de Datos

La permanencia de un empleado en la empresa depende de muchos factores, el clima laboral, sus metas personales, lo cómodo que se sienta con las funciones que desempeña, las proyecciones de ascensos dentro de la organización, entre otros. Sin embargo, analizar y controlar todos estos factores para garantizar la retención del talento humano y garantizar que sus capacidades son aprovechadas en los cargos correctos no es una tarea sencilla. Toda organización, por pequeña que sea, cuenta con información relevante sobre cada uno de sus colaboradores, así como de los aspirantes a las vacantes de la empresa que en algún momento han pasado por el proceso de selección; datos como su información personal, familiar, historial laboral y académico, así como con datos sobre sus aptitudes, destrezas y hábitos. Pero las pequeñas empresas en general desconocen el potencial que esta información puede albergar. La minería de datos, con técnicas de clasificación y predicción, puede ser usada para analizar información, extraer conocimiento y modelos de predicción de tendencias futuras de los datos, entre las técnicas más utilizadas se encuentran: los árboles de decisión, las redes neuronales, los métodos bayesianos, algoritmos genéticos y la lógica difusa. Este trabajo pretende emplear la técnica de árboles de decisión y diseñar un modelo que utilice los datos que la empresa SFC Pack S.A.S. ha almacenado en sus procesos de gestión del talento humano, y con la ayuda de las técnicas mencionadas, permita anticipar el desempeño laboral de un aspirante al cargo de mayor rotación dentro de la compañía, su adherencia y permanencia en el mismo y sus probabilidades de éxito en el desempeño de determinadas funciones.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2017
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/6012
• Acceso en línea: http://hdl.handle.net/11349/6012
• Palabra clave: Gestión del Talento Humano; Predicción del Desempeño Laboral; Minería de Datos; Técnicas de Clasificación de Datos; Algoritmos Basados en Reglas; Árboles de Decisión; ESPECIALIZACIÓN EN PROYECTOS INFORMÁTICOS - TESIS Y DISERTACIONES ACADÉMICAS; RENDIMIENTO LABORAL; DESARROLLO DE PROTOTIPOS; MINERÍA DE DATOS; TÉCNICAS DE PREDICCIÓN; Talent Management; Prediction of Job Performance; Data Mining; Data Classification Techniques; Rule-Based Algorithms; Decision Trees
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional