dc.contributor.advisor	Calvo López, John Pablo
dc.contributor.advisor	Franco Franco, Carlos Alberto
dc.creator	Ávila González, Adriana Alexandra
dc.creator.degree	Magíster en Business Analytics
dc.date.accessioned	2023-06-30T21:23:50Z
dc.date.available	2023-06-30T21:23:50Z
dc.date.created	2023-06-09
dc.description	En este documento se presenta la aplicación de la analítica de recursos humanos en el subproceso de compensación laboral de talento humano para un caso de estudio del sector minero energético, de tal manera que se cuente con un esquema que facilite el planteamiento de propuestas y la toma decisiones alineadas con la estrategia de talento humano y que contribuyan con la atracción, fidelización y desarrollo del personal. Este proyecto se desarrolló bajo la metodología Cross Industry Standard Process for Data Mining - CRISP-DM, en donde se podrá identificar la aplicación del marco de trabajo SCRUM, gobernanza de sistemas de información, gestión del ciclo de vida analítico, visualización de datos, y técnicas descriptivas y predictivas.
dc.description.abstract	This document presents the approach of human resources analytics in the sub-process of labor compensation of human resources in a case study of the energy and mining sector with the purpose of getting a scheme that helps the proposal formulation and decision-making process aligned with the strategy of the case study and looking for the staff’s attraction, loyalty, and development. We will use the Methodology Cross Industry Standard Process for Data Mining (CRISP-DM), where we identify the application of the SCRUM framework, governance of information systems, analytics life cycle management, data visualization, and descriptive and predictive techniques.
dc.format.mimetype	application/pdf
dc.identifier.doi	https://doi.org/10.48713/10336_39999
dc.identifier.uri	https://repository.urosario.edu.co/handle/10336/39999
dc.publisher	Universidad del Rosario
dc.publisher.department	Escuela de Administración
dc.publisher.department	Escuela de Ingeniería, Ciencia y Tecnología
dc.publisher.program	Maestría en Business Analytics
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 International	*
dc.rights.accesRights	info:eu-repo/semantics/closedAccess
dc.rights.acceso	Bloqueado (Texto referencial)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.source.bibliographicCitation	Agarwal, N. (2019). Getting started with Gradient Boosting Machines—Using XGBoost and LightGBM parameters. Nityesh. https://www.nityesh.com/gradient-boosting-machines-intro/
dc.source.bibliographicCitation	Amazon Web Services. (2023). Hiperparámetros LightGBM - Amazon SageMaker. Amazon Web Services. https://docs.aws.amazon.com/es_es/sagemaker/latest/dg/lightgbm-hyperparameters.html
dc.source.bibliographicCitation	ArcGIS. (2023). Cómo funciona el algoritmo LightGBM. ArcGIS Pro. https://pro.arcgis.com/es/pro-app/latest/tool-reference/geoai/how-lightgbm-works.htm
dc.source.bibliographicCitation	Change Américas. (2020). Compensatech. Change Digital. https://changeamericas.com/changedigital/compensatech/
dc.source.bibliographicCitation	Consuegra, N., & Majarin, D. (2021). Estudio de la brecha salarial: Un análisis de cómo impacta el género sobre el salario. Revista de Casos de Estudio en HR Analytics, 01, 24.
dc.source.bibliographicCitation	Contreras, L., Fuentes, H., & Tarazona, G. (2021). Herramientas de aprendizaje automático para determinar el rendimiento académico en la educación superior: Primera parte. Universidad Distrital Francisco José de Caldas.
dc.source.bibliographicCitation	Escobar, H., Burbano, W., & Puris, A. (2016). Análisis inteligente de datos aplicado al proceso de nivelación en la Universidad Técnica Estatal de Quevedo. Revista publicando, 7(3), 33-44.
dc.source.bibliographicCitation	Espinosa-Zúñiga, J. J. (2020). Aplicación de algoritmos Random Forest y XGBoost en una base de solicitudes de tarjetas de crédito. Ingeniería, investigación y tecnología, 21(3). https://doi.org/10.22201/fi.25940732e.2020.21.3.022
dc.source.bibliographicCitation	Haak, T. (2018). 10 Trends in Workforce Analytics for 2019 [AIHR Academy To Innovate HR]. AIHR. https://www.aihr.com/blog/10-trends-in-workforce-analytics/
dc.source.bibliographicCitation	IBM. (2012). Manual CRISP-DM de IBM SPSS Modeler.
dc.source.bibliographicCitation	IBM. (2023a). ¿Qué es el algoritmo de k vecinos más cercanos? IBM. https://www.ibm.com/mx-es/topics/knn
dc.source.bibliographicCitation	IBM. (2023b). ¿Qué es un bosque aleatorio? IBM. https://www.ibm.com/mx-es/topics/random-forest
dc.source.bibliographicCitation	Margherita, A. (2022). Human resources analytics: A systematization of research topics and directions for future research. Human Resource Management Review, 32(2), 1-13. https://doi.org/10.1016/j.hrmr.2020.100795
dc.source.bibliographicCitation	Sancho, F. (2021). Aprendizaje Inductivo: Árboles de Decisión. http://www.cs.us.es/~fsancho/?e=104
dc.source.bibliographicCitation	Scikit-learn. (2023a). Sklearn.neighbors.KNeighborsClassifier. Scikit-Learn. https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html
dc.source.bibliographicCitation	Scikit-learn. (2023b). Sklearn.tree.DecisionTreeClassifier. Scikit-learn. https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html
dc.source.bibliographicCitation	Vulpen, E. van. (2016). Predictive Analytics in Human Resources. AIHR. https://www.aihr.com/blog/predictive-analytics-human-resources/
dc.source.instname	instname:Universidad del Rosario
dc.source.reponame	reponame:Repositorio Institucional EdocUR
dc.subject	Analítica
dc.subject	Compensación laboral
dc.subject	Recursos humanos
dc.subject.keyword	Analytics
dc.subject.keyword	Labor compensation
dc.subject.keyword	Human resources
dc.title	Aplicación de la analítica de recursos humanos en un subproceso de talento humano para un caso de estudio del sector minero energético
dc.title.TranslatedTitle	Approach of human resources analytics in the sub-process of human resources in a case study of the energy and mining sector
dc.type	bachelorThesis
dc.type.document	Trabajo de grado
dc.type.spa	Trabajo de grado
local.department.report	Escuela de Administración
local.department.report	Escuela de Ciencias e Ingeniería

Aplicación de la analítica de recursos humanos en un subproceso de talento humano para un caso de estudio del sector minero energético

Archivos

Bloque original

Colecciones

Políticas

Portales

Gestionado por

Enlaces directos

Nuestros programas

Servicios académicos

Protección de datos