Ítem
Acceso Abierto

Sistema de predicción y alerta de deserción para empleados de una farmacéutica

Mostrar el registro sencillo de la publicación
dc.contributor.advisorGuecha López, Diego Nicolás
dc.creatorGracia Suárez, María Alejandra
dc.creatorHuertas Lozano, Judy Paola
dc.creatorMolina Rodríguez, Jaime Andrés
dc.creatorDíaz Caicedo, Diana Marcela
dc.creator.degreeMagíster en Business Analytics
dc.creator.degreetypeFull time
dc.date.accessioned2024-01-18T16:25:53Z
dc.date.available2024-01-18T16:25:53Z
dc.date.created2023-12-10
dc.descriptionLa alta deserción de empleados es un problema que genera grandes pérdidas y retos para las compañías hoy en día. Por esta razón, tener herramientas que permitan disminuir o controlar las altas tasas de abandono es una prioridad. El siguiente proyecto tiene como objetivo crear un sistema de predicción y alerta de deserción para empleados de una compañía farmacéutica que contribuya a disminuir y controlar las tasas de deserción que presenta en la actualidad. La creación del sistema se realiza a través de la aplicación de técnicas de análisis de datos y machine learning, que acompañado de la construcción de un data warehouse permite realizar el análisis adecuado de la situación actual. En cuanto a su funcionalidad, como sistema de predicción, será utilizado para determinar la probabilidad de renuncia de cada candidato que esté postulándose a la compañía haciendo uso de una calculadora. Por otro lado, como sistema de alerta, permitirá a los tomadores de decisiones comprender qué empleados tienen mayor riesgo de renuncia, así como las áreas impactadas, esto será facilitado a los usuarios a través de un tablero organizacional. Mediante este conocimiento, los usuarios del sistema serán capaces de actuar a tiempo para lograr tomar decisiones que reduzcan el porcentaje de deserción en la compañía. El sistema de predicción y alerta funcionará como una herramienta que permita optimizar el proceso de contratación y retención de los empleados. De esta manera, se espera que en el largo plazo los efectos negativos asociados a la deserción en la compañía sean atenuados y los procesos de contratación más efectivos.
dc.description.abstractEmployee attrition is a problem that generates big losses and challenges for companies nowadays. For this reason, it has become a priority to develop tools or systems that are able to decrease or control the high desertion rates in companies. The main purpose of this project is to create an attrition forecasting and warning system of employees from a pharmaceutical company, to help reduce the attrition rates. The creation of the system will be developed through the application of data analysis techniques and machine learning along with a data warehouse that enables accurate analysis of the current situation. Regarding its functionality, as a forecasting system, it will be used to determine the probability of resignation of a candidate who applies for an open position in the company, by using a calculator module. As a warning system, it will allow decision makers to understand which employees are at greatest risk of resignation, as well as the impacted areas, this will be available to the users through an organizational dashboard. By using the system, users will be able to react on time and make decisions to reduce the attrition rate in the company. The forecasting and warning system will therefore work as a tool to optimize hiring processes and control employees’ retention. It is expected that in the long term, the negative effects associated with attrition in the company will be mitigated and recruitment processes will be more effective.
dc.format.extent107 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_42029
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/42029
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-ShareAlike 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.source.bibliographicCitationArias, E. R. (2021, febrero 1). Variable dicotómica. Economipedia. https://economipedia.com/definiciones/variable-dicotomica.html
dc.source.bibliographicCitationBioclever. (2021, mayo 8). Duración de los ensayos clínicos y los estudios observacionales. Bioclever. https://www.bioclever.com/es-ES/duracion-de-los-ensayos-clinicos-los-estudios-observacionales-n-46-es
dc.source.bibliographicCitationChapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0: Step-by-step data mining guide. https://www.semanticscholar.org/paper/CRISP-DM-1.0%3A-Step-by-step-data-mining-guide-Chapman-Clinton/54bad20bbc7938991bf34f86dde0babfbd2d5a72
dc.source.bibliographicCitationData Universe. (2023, marzo 1). Modelo Operativo Centralizado. https://data-universe.org/modelo-operativo-centralizado/
dc.source.bibliographicCitationDeloitte. (s/f). ¿Qué es Scrum? Deloitte Spain. Recuperado el 23 de noviembre de 2023, de https://www2.deloitte.com/es/es/pages/technology/articles/que-es-scrum.html
dc.source.bibliographicCitationDíaz Monroy, L. G. (2007). Estadística multivariada: Inferencia y métodos (2. ed). Departamento de Estadística, Facultad de Ciencias, Universidad Nacional de Colombia.
dc.source.bibliographicCitationFitzgerald, D., & Wilson, C. (2023, junio 26). The Structure and Departments in a Pharmaceutical Manufacturing Company. GetReskilled. https://www.getreskilled.com/pharmaceutical-companies/structure/
dc.source.bibliographicCitationIBM. (s/f-a). ¿Qué es el almacenamiento de datos? | IBM. ¿Qué es el almacenamiento de datos? Recuperado el 23 de noviembre de 2023, de https://www.ibm.com/mx-es/topics/data-storage
dc.source.bibliographicCitationIBM. (s/f-b). ¿Qué es la minería de datos? | IBM. Recuperado el 23 de noviembre de 2023, de https://www.ibm.com/mx-es/topics/data-mining
dc.source.bibliographicCitationIBM. (s/f-c). ¿Qué es machine learning? | IBM. ¿Qué es machine learning? Recuperado el 23 de noviembre de 2023, de https://www.ibm.com/mx-es/topics/machine-learning
dc.source.bibliographicCitationIBM. (s/f-d). ¿Qué es una arquitectura de datos? | IBM. ¿Qué es una arquitectura de datos? Recuperado el 23 de noviembre de 2023, de https://www.ibm.com/es-es/topics/data-architecture
dc.source.bibliographicCitationIBM. (2021a, marzo 8). Esquemas de estrella. https://www.ibm.com/docs/es/ida/9.1.2?topic=schemas-star
dc.source.bibliographicCitationIBM. (2021b, agosto 17). Tipos de modelos. https://www.ibm.com/docs/es/spss-modeler/saas?topic=mining-types-models
dc.source.bibliographicCitationJain, P. K., Jain, M., & Pamula, R. (2020). Explaining and predicting employees’ attrition: A machine learning approach. SN Applied Sciences, 2(4), 757. https://doi.org/10.1007/s42452-020-2519-4
dc.source.bibliographicCitationNaeem, T. (2020, febrero 3). Conceptos de Data Warehouse: Enfoque de Kimball vs. Inmon. Astera. https://www.astera.com/es/tipo/blog/conceptos-de-almac%C3%A9n-de-datos/
dc.source.bibliographicCitationOracle. (s/f). ¿Qué es un almacén de datos? Recuperado el 23 de noviembre de 2023, de https://www.oracle.com/co/database/what-is-a-data-warehouse/
dc.source.bibliographicCitationPourshasb, N. (2021, febrero 8). ¿Cuánto pierdes por el estrés financiero de tus trabajadores? El Economista. https://www.eleconomista.com.mx/revistaimef/Cuanto-pierdes-por-el-estres-financiero-de-tus-trabajadores--20210208-0031.html
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectSistema de predicción y alerta
dc.subjectDeserción
dc.subjectAprendizaje de máquina
dc.subjectFarmacéutica
dc.subjectAlmacén de datos
dc.subject.keywordForecasting and warning system
dc.subject.keywordAttrition
dc.subject.keywordMachine learning
dc.subject.keywordPharmaceutical
dc.subject.keywordData warehouse
dc.titleSistema de predicción y alerta de deserción para empleados de una farmacéutica
dc.title.TranslatedTitleDesertion prediction and alert system for pharmaceutical employees
dc.typebachelorThesis
dc.type.documentTrabajo de grado
dc.type.spaTrabajo de grado
local.department.reportEscuela de Administración
Archivos
Bloque original
Mostrando1 - 2 de 2
Miniatura
Nombre:
Sistema_predicción_deserción_Jaime_Andres_Molina_Rodriguez.pdf
Tamaño:
2.08 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Anexos_Sistema_predicción_deserción_Jaime_Andres_Molina_Rodriguez.pdf
Tamaño:
27.84 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Business Analytics