Evaluación de la madurez analítica y predicción para la eficiencia en la selección de personal

Abstract

Este proyecto se centra en mejorar la madurez analítica y las capacidades predictivas de Logis, una empresa del sector HORECA especializada en soluciones de contratación temporal. La ausencia de estrategias robustas de gestión de datos y herramientas predictivas limita la eficiencia de sus operaciones, especialmente en la gestión de la alta rotación laboral. Se implementó un enfoque dual: primero, un modelo de madurez analítica evaluó las capacidades actuales de Logis en gestión de datos, identificando áreas clave de mejora en cinco dimensiones. Segundo, se desarrolló un modelo predictivo para anticipar la deserción de candidatos durante el reclutamiento, utilizando técnicas como Random Forest, XGBoost y SMOTE para balancear los datos desequilibrados.

Los resultados destacaron el potencial del modelo para reducir las tasas de deserción, optimizar los tiempos de reclutamiento y elevar la madurez analítica de Logis de un nivel básico a uno intermedio. Estas mejoras no solo abordan ineficiencias operativas, sino que también alinean a Logis con objetivos estratégicos de mejora en la calidad del servicio y la toma de decisiones. Al integrar la analítica de datos en sus procesos, Logis marca un precedente en la transformación de las operaciones de recursos humanos en industrias dinámicas como el HORECA.

This project focuses on enhancing the analytical maturity and predictive capabilities of Logis, a company in the HORECA sector specializing in temporary staffing solutions. The absence of robust data management strategies and predictive tools limits the efficiency of their operations, particularly in managing high employee turnover. A twofold approach was implemented: first, an analytical maturity model evaluated Logis' current data management capabilities, identifying key areas for improvement across five dimensions. Second, a predictive model was developed to anticipate candidate attrition during recruitment, employing techniques such as Random Forest, XGBoost, and SMOTE for balancing imbalanced data.

The results highlighted the model's potential to reduce attrition rates, optimize recruitment times, and elevate Logis' analytical maturity from a basic to an intermediate level. These improvements not only address operational inefficiencies but also align Logis with strategic goals of enhancing service quality and decision-making processes. By integrating data analytics into its workflows, Logis sets a precedent for transforming HR operations in dynamic industries like HORECA.