Romero Villalobos, Oswaldo AlbertoDíaz Fonseca, Diego Alejandro2025-08-142025-08-142025-06-19http://hdl.handle.net/11349/98458Este trabajo presenta un modelo de perfilación y selección de personal utilizando herramientas de análisis de datos (DA) con un enfoque basado en analítica predictiva (PA), de esta forma se buscó, con base en los datos históricos, determinar el perfil adecuado para la contratación de personal, así como su asignación idónea de funciones. Este trabajo presenta un estudio para el desarrollo de un modelo de perfilación y selección de personal utilizando técnicas de inteligencia computacional para mejorar el proceso de selección de personal en empresas del sector de Tercerización de Procesos (Business Process Outsourcing – BPO) en Colombia utilizando herramientas de DA con un enfoque basado en PA, abordando el problema crítico de la rotación temprana. A través de una metodología mixta basada en métodos cualitativos y cuantitativos, se identificaron atributos clave como edad, cantidad de personas a cargo y experiencia laboral, que inciden significativamente en la permanencia de los empleados. Se emplearon algoritmos de aprendizaje automático, destacando el algoritmo de clasificación de vectores de soporte (Support Vector Classifier - SVC), y técnicas como el sobremuestreo de minorías sintéticas (SMOTE) para balancear las clases desbalanceadas en el conjunto de datos. El modelo predictivo desarrollado reduce la rotación temprana del 62.82% inicial al 4.11% en el entrenamiento y a 15,95% en el siguiente mes de implementación, lo que equivale a una disminución del 93.60% en este indicador. Este resultado se tradujo en un ahorro superior a $1.000 millones COP en costos asociados a selección, capacitación y curvas de aprendizaje en un trimestre y 750 millones para el segundo mes. SVC demostró ser el algoritmo más eficaz, con una especificidad del 94.44% y una incidencia mínima de falsos positivos, lo que refuerza su utilidad en la predicción y selección de candidatos adecuados los resultados obtenidos validan el impacto de los modelos predictivos en la reducción de costos, mejora de procesos y establecen una base para adaptar esta metodología a otros sectores industriales. El estudio concluye que la integración de técnicas predictivas puede transformar la gestión de recursos humanos (HR), ofreciendo soluciones escalables y adaptativas para entornos laborales dinámicos.This paper presents a personnel profiling and selection model using data analysis (DA) tools with a predictive analytics (PA) approach. This approach, based on historical data, sought to determine the appropriate profile for hiring personnel, as well as their optimal assignment to roles. This paper presents a study for the development of a personnel profiling and selection model using computational intelligence techniques to improve the personnel selection process in companies in the Business Process Outsourcing (BPO) sector in Colombia, using DA tools with a PA approach, addressing the critical problem of early turnover. Through a mixed methodology based on qualitative and quantitative methods, key attributes such as age, number of dependents, and work experience were identified, which significantly impact employee retention. Machine learning algorithms were used, highlighting the support vector classification (SVC) algorithm, and techniques such as synthetic minority oversampling (SMOTE) to balance unbalanced classes in the dataset. The developed predictive model reduced early churn from an initial 62.82% to 4.11% during training and to 15.95% in the following month of implementation, equivalent to a 93.60% decrease in this indicator. This result translated into savings of more than $1 billion COP in costs associated with selection, training, and learning curves in one quarter and $750 million COP in the second month. SVC proved to be the most effective algorithm, with a specificity of 94.44% and a minimal incidence of false positives, reinforcing its usefulness in predicting and selecting suitable candidates. The results obtained validate the impact of predictive models on cost reduction and process improvement, and establish a basis for adapting this methodology to other industrial sectors. The study concludes that the integration of predictive techniques can transform human resource (HR) management, offering scalable and adaptive solutions for dynamic work environments.pdfspaAnalítica de datosAnalítica predictivaAprendizaje automáticoBPORotación tempranamasterThesisMaestría en Ingeniería Industrial -- Tesis y disertaciones académicasSelección de personalAprendizaje automático (Inteligencia artificial)Recursos humanosOpenAccessData analyticsPredictive analyticsMachine learningBPOEarly turnoverAbierto (Texto Completo)