Construcción de un modelo de predicción de riesgos en la rotación de personal usando técnicas de Machine Learning

Abstract

La temática de la rotación de personal en el entorno empresarial es un tema importante que ha sido abordado en diferentes contextos y niveles. La pérdida de talento puede tener consecuencias negativas para la economía y la imagen de marca empleadora de las empresas, lo que hace que la retención de empleados sea un objetivo primordial para muchas organizaciones. Por esta razón, la aplicación de la analítica en recursos humanos se ha vuelto cada vez más importante para predecir y prevenir la rotación de personal. En este trabajo, se buscó diseñar un modelo predictivo efectivo para la empresa Psyconometrics, que permita predecir la rotación temprana de empleados, lo cual puede generar una importante ventaja competitiva de la compañía. Se construyó un modelo de predicción de rotación de personal implementando técnicas de machine learning y considerando variables relacionadas con la satisfacción de los empleados, el clima laboral, la motivación y las oportunidades de desarrollo profesional. Se empleó la metodología CRIPSDM y en el modelamiento, las técnicas de aprendizaje supervisado y no supervisado. Logrando un rendimiento del modelo de rotación de personal. Se concluyó que las variables de mayor importancia para la predicción son el tipo de contrato, la responsabilidad, el compromiso y madurez emocional, con el fin de tomar acciones oportunas y eficaces que eviten una debilitación mayor de la relación laboral.