Ítem
Acceso Abierto

Implementación de un piloto analítico en una empresa de reclutamiento

Mostrar el registro sencillo de la publicación
dc.contributor.advisorGutiérrez Bonnet, Sergio
dc.creatorVecino Martínez, Manuel Felipe
dc.creator.degreeMagíster en Business Analytics
dc.date.accessioned2025-07-11T16:02:28Z
dc.date.available2025-07-11T16:02:28Z
dc.date.created2025-05-12
dc.descriptionEste proyecto presenta el diseño e implementación de un piloto analítico en una empresa de reclutamiento, con el objetivo de optimizar su proceso de selección y, a largo plazo, fortalecer su madurez analítica. Esto bajo un contexto que presenta un entorno competitivo en el sector de reclutamiento, en donde la adopción de herramientas analíticas en procesos de recursos humanos está en crecimiento. Dado lo anterior, se propone lo siguiente para lograr el objetivo propuesto: por un lado, diagnosticar la calidad y uso de datos en el proceso de reclutamiento y, por otro lado, desarrollar una herramienta analítica basada en características de forma y estructura de los currículums vitae (CVs) de los candidatos. Esto, a través de técnicas de procesamiento de lenguaje natural y aprendizaje no supervisado (Segmentación con K-means). Así, se identificaron tres tipos de CVs con distintas probabilidades de avanzar en el embudo de reclutamiento, mostrando factores como la inclusión de una sección de cursos o de enlaces a sitios web externos como elementos diferenciadores. Los resultados permiten ofrecer recomendaciones particulares a los candidatos y sientan las bases para futuras iniciativas analíticas en la organización y a modo de estudios futuros. El estudio contribuye tanto al fortalecimiento estratégico de la empresa como al campo académico sobre analítica aplicada al reclutamiento.
dc.description.abstractThis project presents the design and implementation of an analytical pilot in a recruitment company. This with the aim of optimizing its selection process and, in the long term, strengthening its analytical maturity. This project takes place within a competitive environment in the recruitment sector where the adoption of analytical tools in human resources processes is on the rise. To achieve the objective it was proposed to diagnose the quality and usage of data in the recruitment process and the development of an analytical tool based on the structure and formatting features of candidates resumes (CVs). This action is carried out using natural language processing techniques and unsupervised learning (clustering with K-means). As a result, three types of CVs were identified, each with different probabilities of progressing through the recruitment funnel. The process allowed to highlight factors such as the inclusion of a "Courses" section or links to external websites as differentiating elements. The results provide tailored recommendations for candidates and lay the foundation for future analytical initiatives within the organization and further academic studies. The study contributes both to the strategic strengthening of the company and to the academic field of analytics applied to recruitment.
dc.format.extent128 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_45851
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/45851
dc.language.isospa
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Administración
dc.publisher.departmentEscuela de Ingeniería, Ciencia y Tecnología
dc.publisher.programMaestría en Business Analytics
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.source.bibliographicCitationToxigon. (23 de Marzo de 2025). LinkedIn Statistics 2024: A Deep Dive. Obtenido de Toxigon: https://toxigon.com/linkedin-statistics-2024
dc.source.bibliographicCitationAmplitude Marketing. (15 de Febrero de 2024). 51 LinkedIn Statistics You Need to Know in 2024. Obtenido de Amplitude Marketing: https://amplitudemktg.com/social-media/51-linkedin-statistics-you-need-to-know-in-2024/
dc.source.bibliographicCitationappcast. (2025). Recruitment marketing benchmark report. Obtenido de appcast: https://1859609.fs1.hubspotusercontent-na1.net/hubfs/1859609/FINAL%20CONTENT%20PDFS/Whitepapers/%5BWhitepaper%5D%20Appcast%20Recruitment%20Benchmark%20Report%202025.pdf
dc.source.bibliographicCitationAmerican Staffing Association. (s.f.). Staffing Industry Statistics. Obtenido de American Staffing Association: https://americanstaffing.net/research/fact-sheets-analysis-staffing-industry-trends/staffing-industry-statistics/
dc.source.bibliographicCitationLinkedIn. (2025). The Future of Recruiting 2025: How AI redefines recruiting excellence. Obtenido de LinkedIn: https://business.linkedin.com/talent-solutions/resources/future-of-recruiting
dc.source.bibliographicCitationMicrosoft and LinkedIn. (8 de Mayo de 2024). 2024 Work Trend Index Annual Report. Obtenido de Microsoft: https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part
dc.source.bibliographicCitationMazor, A., Goretsky, C., Moss, K., Cleary, B., & Fineman, D. (2018). Talent acquisition analytics: Driving smarter sourcing and hiring decisions with data. Obtenido de Deloitte: https://www2.deloitte.com/content/dam/Deloitte/us/Documents/human-capital/us-talent-acquisition-analytics.pdf
dc.source.bibliographicCitationAWS. (2024). ¿Qué es el ciclo de vida del desarrollo de software (SDLC)? Obtenido de AWS: https://aws.amazon.com/what-is/sdlc/
dc.source.bibliographicCitationIBM. (17 de Agosto de 2021). Conceptos básicos de ayuda de CRISP-DM. Obtenido de IBM SPSS Modeler: https://www.ibm.com/docs/es/spss-modeler/saas?topic=dm-crisp-help-overview
dc.source.bibliographicCitationHarris, J. G., Craig, E., & Light, D. A. (2011). Talent and analytics: new approaches, higher ROI. Journal of Business Strategy, 33(6), 4-13. doi:10.1108/02756661111180087
dc.source.bibliographicCitationConte, F., & Siano, A. (2023). Data-driven human resource and data-driven talent management in internal and recruitment communication strategies: an empirical survey on Italian firms and insights for European context. Corporate Communications: An International Journal, 28(4), 618-637. doi:10.1108/CCIJ-02-2022-0012
dc.source.bibliographicCitationGavin Walford-Wright, W. S.-J. (2018). Talent Rising; people analytics and technology driving talent acquisition strategy. Strategic HR Review, 17(5), 226-233. doi:10.1108/SHR-08-2018-0071
dc.source.bibliographicCitationAli, I., Mughal, N., Khan, Z. H., Ahmed, J., & Mujtaba, G. (2022). Resume Classification System using Natural Language Processing and Machine Learning Techniques. Mehran University Research Journal of Engineering and Technology, 41(1), 65-79. doi:10.22581/muet1982.2201.07
dc.source.bibliographicCitationSowjanya, Y., Keerthana, M., & Suneeksha, P. (Marzo de 2023). Smart Resume Analyser. International Journal of Research in Engineering and Science (IJRES), 11(3), 409-418.
dc.source.bibliographicCitationSaatci, M., Kaya, R., & Ünlü, R. (2024). Resume Screening With Natural Language Processing (NLP). Alphanumeric Journal, 12(2), 121-140. doi:10.17093/alphanumeric.1536577
dc.source.bibliographicCitationZu, S., & Wang, X. (Octubre de 2019). RESUME INFORMATION EXTRACTION WITH A NOVEL TEXT BLOCK SEGMENTATION ALGORITHM. International Journal on Natural Language Computing (IJNLC), 8(5), 29-48. doi:10.5121/ijnlc.2019.8503
dc.source.bibliographicCitationSatheesh, K., Jahnavi, A., Iswarya, L., Ayesha, K., Bhanusekhar, G., & Hanisha, K. (Mayo de 2020). Resume Ranking based on Job Description using SpaCy NER model. International Research Journal of Engineering and Technology (IRJET), 7(5), 74-77.
dc.source.bibliographicCitationGonzales, S. (2025). People Analytics Maturity Linked to Better Financial Performance, Research Shows. Obtenido de VISIER: https://www.visier.com/blog/people-analytics-maturity-linked-to-better-financial-performance-research-shows/
dc.source.bibliographicCitationTransportation Research Board. (s.f.). Maturity Model and Evaluation Matrix. Obtenido de TRB's COOPERATIVE RESEARCH PROGRAMS: https://crp.trb.org/acrpwebresource18/maturity-model/
dc.source.bibliographicCitationcrunchr. (2025). Understanding Crunchr’s HR Analytics Maturity Model. Obtenido de crunchr: https://www.crunchr.com/resources/blog/crunchrs-hr-analytics-maturity-model/
dc.source.bibliographicCitationMoore, S. (18 de Enero de 2018). How to Stop Data Quality Undermining Your Business. Obtenido de Gartner: https://www.gartner.com/smarterwithgartner/how-to-stop-data-quality-undermining-your-business
dc.source.bibliographicCitationIBM. (30 de Abril de 2025). Data quality dimensions. Obtenido de IBM Cloud Pak for Data: https://www.ibm.com/docs/en/cloud-paks/cp-data/5.1.x?topic=quality-data-dimensions
dc.source.bibliographicCitationLuka, S., & Karkunova, D. (2025). HR data quality: Its definition, importance, and 5 actionable steps to improve it. Obtenido de NAKISA: https://nakisa.com/blog/the-power-of-accurate-hr-data-introducing-nakisa-hanelly-hr-data-quality/
dc.source.bibliographicCitationVorecol. (28 de Agosto de 2024). ¿Cuáles son los principales desafíos en la implementación de analítica predictiva en recursos humanos? Obtenido de Vorecol: https://vorecol.com/es/articulos/articulo-cuales-son-los-principales-desafios-en-la-implementacion-de-analitica-predictiva-en-recursos-humanos-111253
dc.source.bibliographicCitationVasquez, G. (2025). Five steps to efficiently manage your HR data quality. Recuperado el 12 de Mayo de 2025, de greenhouse: https://www.greenhouse.com/blog/five-steps-to-efficiently-manage-your-hr-data-quality
dc.source.bibliographicCitationGardiner, T. (2024). NLP-PyPDF vs PyMUPDF Speed Test. Obtenido de kaggle: https://www.kaggle.com/code/toddgardiner/nlp-pypdf-vs-pymupdf-speed-test
dc.source.bibliographicCitationExplosion. (2025). Trained Models & Pipelines. Obtenido de spacy: https://spacy.io/models pandas . (2024). pandas.get_dummies. Obtenido de pandas: https://pandas.pydata.org/docs/reference/api/pandas.get_dummies.html
dc.source.bibliographicCitationR, A. (29 de Octubre de 2024). Outlier Detection and Treatment: Z-score, IQR, and Robust Methods. Obtenido de medium: https://medium.com/@aakash013/outlier-detection-treatment-z-score-iqr-and-robust-methods-398c99450ff3
dc.source.bibliographicCitationVenkataAnusha, P., Anuradha, C., Murty, P. S., & Kiran, C. S. (10 de Noviembre de 2019). Detecting Outliers in High Dimensional Data Sets Using Z-Score Methodology. International Journal of Innovative Technology and Exploring Engineering (IJITEE), 9(1), 48-53. doi:10.35940/ijitee.A3910.119119
dc.source.bibliographicCitationC., J. (9 de Marzo de 2022). Data Cleaning - Variance. Obtenido de mage: https://pro.mage.ai/blog/data-cleaning-variance
dc.source.bibliographicCitationThe Pennsylvania State University. (2018). Detecting Multicollinearity Using Variance Inflation Factors. Obtenido de STAT 462 Applied Regression Analysis: https://online.stat.psu.edu/stat462/node/180/
dc.source.bibliographicCitationJMP Statistical Discovery. (2025). La prueba t. Obtenido de Portal de formación estadística: https://www.jmp.com/es/statistics-knowledge-portal/t-test
dc.source.bibliographicCitationJMP Statistical Discovery. (2025). La prueba de ji cuadrado. Obtenido de Portal de formación estadística: https://www.jmp.com/es/statistics-knowledge-portal/chi-square-test
dc.source.bibliographicCitationArias, M. M. (Diciembre de 2017). ¿Qué significa realmente el valor de p? Pediatría Atención Primaria, 19(76), 377-381.
dc.source.bibliographicCitationIBM. (s.f.). What is random forest? Obtenido de IBM: https://www.ibm.com/think/topics/random-forest
dc.source.bibliographicCitationMartínez Pérez, J., & Pérez Martin, P. (Febrero de 2023). La curva ROC. Medicina de Familia. SEMERGEN, 49(1), 1-3. doi:10.1016/j.semerg.2022.101821
dc.source.bibliographicCitationUniversidad de Oviedo. (s.f.). El algoritmo k-means aplicado a clasificación y procesamiento de imágenes. Obtenido de unioviedo: https://www.unioviedo.es/compnum/laboratorios_py/kmeans/kmeans.html
dc.source.bibliographicCitationRodríguez, D. (9 de Junio de 2023). Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means. Obtenido de Analytics Lane: https://www.analyticslane.com/2023/06/09/metodo-del-codo-elbow-method-para-seleccionar-el-numero-optimo-de-clusteres-en-k-means/
dc.source.bibliographicCitationSPSS Analysis. (2025). Silhouette Cluster Analysis. Obtenido de SPSS Analysis: https://spssanalysis.com/silhouette-cluster-analysis-in-spss/
dc.source.bibliographicCitationIBM. (8 de Diciembre de 2023). ¿Qué es el análisis de componentes principales (PCA)? Obtenido de IBM: https://www.ibm.com/es-es/think/topics/principal-component-analysis
dc.source.bibliographicCitationOpenAI. (2025). Precios de API. Obtenido de OpenAI: https://openai.com/es-419/api/pricing/
dc.source.bibliographicCitationGithub. (2025). About READMEs. Obtenido de GitHub Docs: https://docs.github.com/en/repositories/managing-your-repositorys-settings-and-features/customizing-your-repository/about-readmes
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectReclutamiento
dc.subjectCurriculum Vitae
dc.subjectProcesamiento de Lenguaje Natural
dc.subjectSegmentación
dc.subject.keywordRecruitment
dc.subject.keywordCurriculum Vitae
dc.subject.keywordNatural Language Processing
dc.subject.keywordClustering
dc.titleImplementación de un piloto analítico en una empresa de reclutamiento
dc.title.TranslatedTitleImplementation of an Analytical Pilot in a Recruitment Company
dc.typemasterThesis
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTrabajo de grado
local.department.reportEscuela de Administración
local.regionesBogotá
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Implementacion_de_un_piloto_analitico_VecinoMartinez-ManuelFelipe-2025.pdf
Tamaño:
1.51 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Business Analytics