Mostrar el registro sencillo del documento
Modelo de medición de la rotación de personal como variable de decisión estratégica
dc.rights.license | Atribución-NoComercial-SinDerivadas 4.0 Internacional |
dc.contributor.advisor | Velásquez Henao, Juan David |
dc.contributor.author | Henao Ríos, Carolina |
dc.date.accessioned | 2022-08-17T00:20:11Z |
dc.date.available | 2022-08-17T00:20:11Z |
dc.date.issued | 2021 |
dc.identifier.uri | https://repositorio.unal.edu.co/handle/unal/81925 |
dc.description | ilustraciones, diagramas, tablas |
dc.description.abstract | Este trabajo final de maestría presenta diferentes modelos de machine learning que buscan predecir la propensión a la renuncia voluntaria de los colaboradores de la Caja de Compensación Comfenalco Antioquia. Para su desarrollo se recolectaron los datos históricos de los colaboradores que han renunciado y de los que permanecen activos en la Caja de Compensación, los cuales fueron verificados, limpiados, transformados y modelados con diferentes técnicas estadísticas en Python. Los resultados obtenidos indican que el mejor modelo de machine learning para pronosticar la propensión a la renuncia con los datos obtenidos es el XGBoost, con una métrica de precisión del 87,3%. Además, se identificó que la estructura organizacional de la Caja de Compensación representa un riesgo para los ejercicios de pronóstico que se deseen realizar, debido a que sus múltiples mutaciones a lo largo de la historia pueden generar desviaciones mayores en la predicción de los modelos y es una variable que debe ser homologada de una manera que pueda tener permanencia en el tiempo. (Texto tomado de la fuente) |
dc.description.abstract | This final master's thesis presents different machine learning models that seek to predict the propensity to voluntary resignation of employees of the Comfenalco Antioquia Compensation Fund. For its development, the historical data of the collaborators who have resigned and those who remain active in the Compensation Fund were collected, which were verified, cleaned, transformed, and modeled with different statistical techniques in Python. The results obtained indicate that the best machine learning model to predict the propensity to resign with the data obtained is XGBoost, with a precision metric of 87.3%. In addition, it was identified that the organizational structure of the Compensation Fund represents a risk for the forecasting exercises that are to be carried out, because its multiple mutations throughout history can generate greater deviations in the prediction of the models and is a variable that must be homologated in a way that can have permanence over time. |
dc.format.extent | 47 páginas |
dc.format.mimetype | application/pdf |
dc.language.iso | spa |
dc.publisher | Universidad Nacional de Colombia |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.subject.ddc | 000 - Ciencias de la computación, información y obras generales |
dc.subject.ddc | 650 - Gerencia y servicios auxiliares::658 - Gerencia general |
dc.title | Modelo de medición de la rotación de personal como variable de decisión estratégica |
dc.type | Trabajo de grado - Maestría |
dc.type.driver | info:eu-repo/semantics/masterThesis |
dc.type.version | info:eu-repo/semantics/acceptedVersion |
dc.publisher.program | Medellín - Minas - Maestría en Ingeniería - Analítica |
dc.description.degreelevel | Maestría |
dc.description.degreename | Magíster en Ingeniería - Analítica |
dc.description.methods | Esta propuesta de trabajo se llevará a cabo de acuerdo con la metodología CRISP-DM, que son las siglas de Cross Industry Standard Process for Data Mining. |
dc.description.researcharea | Analítica |
dc.identifier.instname | Universidad Nacional de Colombia |
dc.identifier.reponame | Repositorio Institucional Universidad Nacional de Colombia |
dc.identifier.repourl | https://repositorio.unal.edu.co/ |
dc.publisher.department | Departamento de la Computación y la Decisión |
dc.publisher.faculty | Facultad de Minas |
dc.publisher.place | Medellín, Colombia |
dc.publisher.branch | Universidad Nacional de Colombia - Sede Medellín |
dc.relation.references | Moreno. N., Aplicaciones de la Analítica y la Minería de Datos en la Gestión de Recursos Humanos, Medellín, Colombia 2018 |
dc.relation.references | Ministerio de Educación, Histórico del Salario mínimo en Colombia (1894-2021). Obtenido de: https://ole.mineducacion.gov.co/portal/Contenidos/Documento/388408:Historico-del-Salario-minimo-en-Colombia-1894-2019 |
dc.relation.references | King, K.G, "Data Analytics in Human Resources: A Case Study and Critical Review", HR. Develop. Rev., vol. 15, no. 4, pp. 487-495, December 2016 |
dc.relation.references | Jac Fitz-enz and John Mattox, “Predictive Analytics for Human Resources”, Hoboken, NJ: John Wiley, 2014. |
dc.relation.references | J.V. Román, J.C.G. Cristóbal and J.A.G. Vázquez, “TALENT + Tecnologías avanzadas para la Gestión del Talento”, Procesamiento de Lenguaje Natural, vol. 57, pp. 159-162, September 2016 |
dc.relation.references | J.G. Harris, E. Craig and D.A. Light, "Talent and analytics: new approaches, higher ROI", J. of Bus. Strat., vol. 32, no. 6, pp. 4-13, October 2011 |
dc.relation.references | L.F. Chen and C.F. Chien "Manufacturing intelligence for class prediction and rule generation to support human capital decisions for high-tech industries", Flex. Serv. Manuf. J., vol. 23, no. 3, pp. 263-289, September 2011 |
dc.relation.references | H. Min and A. Emam, "Developing the profiles of truck drivers for their successful recruitment and retention: A data mining approach", Intl. J. of Phys. Distrib. Log. Mgmt., vol. 33, no. 2, pp. 149-162, March 2003 |
dc.relation.references | C.Y. Fan, P.S. Fan, T.Y. Chan and S.H. Chang, "Using hybrid data mining and machine learning clustering analysis to predict the turnover rate for technology professionals", Expert Syst. with Appl., vol. 39, no. 10, pp. 8844-8851, August 2012 |
dc.relation.references | V.V. Saradhi and G.K. Palshikar, "Employee churn prediction", Expert Syst. with Appl., vol. 38, no. 3, pp. 1999-2006, March 2011 |
dc.rights.accessrights | info:eu-repo/semantics/openAccess |
dc.subject.lemb | Administración de personal |
dc.subject.lemb | Personnel management |
dc.subject.proposal | Machine learning |
dc.subject.proposal | Modelos de pronóstico |
dc.subject.proposal | Renuncia voluntaria |
dc.subject.proposal | Forecasting models |
dc.subject.proposal | Voluntary resignation |
dc.title.translated | Model for measuring staff turnover as a strategic decision variable |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc |
dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa |
dc.type.content | Text |
dc.type.redcol | http://purl.org/redcol/resource_type/TM |
oaire.accessrights | http://purl.org/coar/access_right/c_abf2 |
dcterms.audience.professionaldevelopment | Estudiantes |
dcterms.audience.professionaldevelopment | Investigadores |
dcterms.audience.professionaldevelopment | Maestros |
dc.description.curriculararea | Área Curricular de Ingeniería de Sistemas e Informática |
Archivos en el documento
Este documento aparece en la(s) siguiente(s) colección(ones)
![Atribución-NoComercial-SinDerivadas 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-generic.png)