1

UNIVERSIDAD DEL PACÍFICOL PACÍFICO

PREGRADO

Licenciatura en Administración de Empresas

Luisa Tamara Alvarado Romero

MEJORA DE LA CALIDAD DE LAS DECISIONES EN LA

GESTIÓN DEL TALENTO HUMANO MEDIANTE EL

ANÁLISIS DEL BIG DATA Y LA APLICACIÓN

DE LA CIENCIA DE DATOSDE LA CIENCIA DE DATOS

Trabajo de Conclusión de Carrera (T.C.C.)

presentado como requisito parcial para la obtención

del grado en Licenciatura en Administración de

Empresas de la Facultad de Negocios y Economía.

 2

GUAYAQUIL – ECUADOR

2021

Guayaquil, 2021

ALVARADO, Luisa, Mejora de la calidad de las decisiones en la

gestión del talento humano mediante el Análisis del Big Data y la aplicación de la

Ciencia de Datos. Guayaquil: UPACÍFICO, 2021, 2819p. Msc. Jaime

AlbujaDaniel Fernando Quinde Ordóñez (Trabajo de Conclusión de Carrera –

T.C.C. presentado a la Facultad de Negocios y Economía de la Universidad Del

Pacífico).

Resumen: El mundo se encuentra en constante cambio a una rapidez y

magnitud al que la mayoría de las veces las organizaciones se adaptan
reactivamente y no se anticipan al cambio de una manera proactiva, debido a este
comportamiento empresarial de imprevisión frente al cambio las empresas se
sienten en un ambiente de pleno desafío. Un claro ejemplo de ello es como
anteriormente los analíticos y estadísticos estaban estrechamente relacionados
únicamente con los campos de Ingeniería, Producción, Finanzas, Mercadotecnia
principalmente; y, las decisiones tomadas en el área de Recursos Humanos, en
gran parte de las organizaciones se tomaban de manera subjetiva a través del
procesamiento manual o semiautomático de datos objetivos. En el presente
documento se abordarán herramientas de la Ciencia de Datos para análisis del Big
Data orientados al talento humano como instrumento de alto impacto en la
productividad, estabilidad laboral y fortalecimiento de la organización con el
único fin de eludir errores y sesgos humanos al momento de reclutar, capacitar,
desarrollar, evaluar y retener al talento humano. Además, se presentarán las
ventajas y desventajas de implementar los modelos analíticos de la Ciencia de
Datos evaluando casos de éxito ya existentes.
 3

DECLARACIÓN DE AUTORÍA

Yo, Luisa Tamara Alvarado Romero declaro ser la autora exclusiva del presente trabajo de
conclusión de carrera. Todos los efectos académicos y legales que se desprendieren de la
misma son de mi responsabilidad. Por medio del presente documento cedo mis derechos de
autor a la Universidad Del Pacífico para que pueda hacer uso del texto completo del
trabajo de conclusión de carrera a título “Mejora de la calidad de las decisiones en la
gestión del Talento Humano mediante el Análisis del Big Data utilizando la Ciencia de
Datos como herramienta” con fines académicos y/o de investigación.
 4

Firma escaneada del estudiante

Guayaquil, 2021

CERTIFICACIÓN

Yo, Msc. Daniel Fernando Quinde Ordóñez, docente de la Facultad de Negocios y

Economía de la Universidad Del Pacífico, como director del presente trabajo de conclusión

de carrera, certifico que la señorita Luisa Tamara Alvarado Romero, egresada de esta

institución, es autora exclusiva del presente trabajo, el mismo que es auténtico, original e

inédito
 5

Firma escaneada del director o tutor de tesis

Guayaquil, 2021

DOCUMENTO DE CONFIDENCIALIDAD

Al presentar este Trabajo de Conclusión de Carrera como uno de los requisitos previos

para la obtención del grado de Licenciatura en Administración de Empresas de la

Universidad Del Pacífico, hago entrega del documento en ciernes, a la Biblioteca de la

Universidad para que haga de este trabajo investigativo un documento disponible para su

lectura. La estudiante ha certificado estar de acuerdo en que se realice cualquier consulta

de este Trabajo de Conclusión de Carrera dentro de las Regulaciones de la Universidad,

según como lo dictamina la L.O.E.S. 2010 en su Art. 144. Conforme a lo expresado, adjunto

a la presente, se servirá encontrar cuatro copias digitales de este Trabajo de Conclusión de

Carrera para que ingresen a custodia de la Universidad Del Pacífico, los mismos que

podrán ser utilizados para fines académicos y de investigación. Para constancia de esta

declaración, suscribe
 6

Msc. Daniel Fernando Quinde Ordóñez

Docente de la Facultad de Innovación y Tecnología

Msc. Daniel Fernando Quinde Ordóñez

Docente de la Facultad de Innovación y TecnologíaMsc. Daniel Fernando Quinde

Ordóñez

Docente de la Facultad de Innovación y Tecnología

Universidad Del Pacífico

TABLA DE CONTENIDO

INTRODUCCIÓN......................................................................................................................81

PLANTEAMIENTO DEL PROBLEMA................................................................................102

Ubicación del problema en un contexto..............................................................................102

Situación conflicto nudos críticos........................................................................................114

OBJETIVOS.............................................................................................................................134

Objetivo general....................................................................................................................134

Objetivos específicos.............................................................................................................135
 7

MARCO TEÓRICO.................................................................................................................145

Antecedentes del estudio......................................................................................................145

Fundamentación teórica.......................................................................................................157

VENTAJAS Y DESVENTAJAS............................................................................................1910

CASOS DE ÉXITO.................................................................................................................2617

CONCLUSIONES..................................................................................................................2919

BIBLIOGRAFÍA....................................................................................................................3222

INDICE DE TABLAS

Tabla 1 Demanda de profesionales en la Ciencia de Datos y Big Data....................................................................25

INDICE DE FIGURAS

Figura 1 Percepción beneficios al utilizar HR Analytics 21

 8

INTRODUCCIÓN

En la actualidad, el concepto deINTRODUCCIÓN

En la actualidad, globalización se utiliza comúnmente para explicar una serie de cambios a nivel

económico, social, político y culturale presentes en todo el mundo, dado que la globalización es

uno de los factores que inciden directamente en todos los sectores incluyendo la administración

del talento humano y las decisiones que se toman respecto a él.

 9

Flores (2016) ha afirmado lo siguiente:

La globalización es uno de los fenómenos más citados en las últimas dos décadas debido

a la evolución de las tecnologías de la información y comunicaciones a nivel mundial. El

tema de la globalización tiene su referente histórico en los cambios y en cómo se abordan

procesos, métodos e información en todos los sectores (pág. 2)

Al ser la toma de decisiones una actividad cotidiana y fundamental, dada como un

proceso que surge inevitablemente, tanto en el ámbito personal como empresarial, es

conveniente mencionar que según Kahneman (2012), “el pensamiento humano se rige por dos

sistemas, uno racional, lógico, deductivo, estructurado, consciente y afectivamente neutro; y

otro, automático, práctico, intuitivo, holístico, inconsciente y cargado afectivamente” (pág. 22).

En este sentido, así mismo el autor Manrique Tisnés (2019) se dice queafirma que

“predomina el pensamiento intuitivo, generando ello genera dificultades en el proceso decisorio

como sesgos y reacciones automáticas, no conscientes e irracionales” (Manrique Tisnés, 2019)

(pág. 149).(Manrique Tisnés, 2019)

Los seres humanos al momento de elegir un curso de acción por regla general aplican

todas sus habilidades, conocimiento y experiencia; así mismo, esto implica renunciar a todas las

otras posibilidades existentes frente a determinada situación. Debido a esto es perceptible que

formular juicios de valor y elegir un curso de accióntomar decisiones apartadaos de las reglas de

la racionalidad, es decir con tomando como base en la experiencia y en la intuición aumenta la

probabilidad de error generado por los sesgos y laa subjetividad . pudiendo afectar de

manera directa a la efectividad y productividad dentro de la compañía.

De manera personal se considera que

 10

A partir de esta afirmación, se demostrará con base teórica y casos reales de éxito por qué

tomar decisiones respecto la gestión del talento humano en base a datos numéricos, medibles y

confiables garantizará el funcionamiento de la organización de maneral integral puesto que con

una acertada administración de personal se logrará consolidar un equipo de trabajo competitivo,

motivado, calificado y comprometido con las metas y objetivos empresariales.

una adecuada toma de decisiones se debe afianzar en fuentes de información confiables,

análisis objetivos y base numérica debido a que el ambiente global en que se desarrollan las

empresas es cada vez más competitivo y por ello se requiere tomar decisiones significativas con

un margen de errores lo más bajo posible para no poner en riesgo la rentabilidad de una

organización. En este proceso ello representa un recurso trascendental y esencial para elegir

correctamente determinada alternativa.

Y es que para Balboni et al. (2013) “está comprobado que las organizaciones que

gestionan sus datos de manera deficiente encuentran dificultades para generar valor a partir de

estos y de su análisis” (pág. 30). A partir de esta afirmación, se demostrará con base teórica y

casos reales de éxito por qué tomar decisiones respecto la gestión del talento humano en base a

datos numéricos, medibles y confiables garantizará el funcionamiento de la organización de

manera integral puesto que con una acertada administración de personal se logrará consolidar un

equipo de trabajo competitivo, motivado, calificado y comprometido con las metas y objetivos

empresariales.
 11

PLANTEAMIENTO DEL PROBLEMA

Ubicación del problema en un contexto

Maza et al. (2018) concluyen que “eEn los países la importancia de la gestión

estratégica de los recursos humanos ha cambiado significativamente durante los últimos

años”, el personal dentro de la organización desempeña un rol determinante para la

consecución de los objetivos, por esto su rendimiento estratégico se condiciona a un

apropiado desarrollo de su fuerza de trabajo (Recursos Humanos TV, 2018). En Ecuador es

utilizado un nuevo modelo de gestión denominado el Balance Scorecard BSC o cuadro de

mando integral CMI, “ el cual fue desarrollado por Robert Kaplan y David Norton bajo la

necesidad de recurrir a métricas que trasciendan las medidas financieras aplicadas

tradicionalmente” (Ríos Manrique & Ferrer Guerra, 2010, pág. 145). (Ríos Manrique & Ferrer

Guerra, 2010). La herramienta mencionada recurre a cuatro perspectivas que son la

estratégica, financiera, del cliente y operativa, las cuales aportan a una visión empresarial

de forma integral que interrelaciona procesos para crear valor.

Desde las cuatro perspectivas anteriormente citadas se analiza de forma general el

desempeño del departamento de Recursos Humanos. Según los autores Solís-Morejón &

Llamuca-Pérez (2020) de forma separadaPor separados, el enfoque estratégico, aborda el

liderazgo, aprendizaje e innovación del área; el financiero, calcula el impacto financiero de

 12

la gestión y sus prácticas; el operativo, mide la efectividad de los procesos más importantes

de recursos humanos y el enfoque del cliente, se centra en las percepciones que tienen estos

respecto a la eficiencia del departamento (pág. 186)(Solís-Morejón & Llamuca-Pérez, 2020).

Saavedra Vidal (2019) hace mención que eEn el contexto internacional, se hace

mención que, en España las pequeñas y medianas empresas no cuentan con una

metodología definida para gestionar el talento humano, afectando negativamente al

desarrollo de los empleados y que de forma general termina en renuncia de personal de

gran valor para la organización.

(Saavedra Vidal, 2019). El mismo autor señala que otra de las problemáticas

presentes en este país es que las empresas no toman en consideración las opiniones

ni ideas de sus colaboradores, sintiéndose estos no considerados ni reconocidos y que

de cierta manera se oprime o limita su desempeño laboral..

Paralelamente en Estados Unidos, da a conocer que durante 2016 y 2018 para

fortalecer la administración del talento y el conjunto de capacidades de este, hubo

un estímulo respecto el liderazgo, dirección y planificación estratégica (pág. 5).

Por otra parte, según Pinedo (2016) “en Argentina existe una brecha significativa con

respecto a la implementación de prácticas de primera línea haciendo referencia al Human

Resources Analytics, lo cual representa un riesgo para la gestión del capital humano” (pág.

17).(Pinedo, 2016).

En conexo a las problemáticas antes citadas, según un informe publicado por Watch&Act

(2016), de acuerdo con los datos de consultoras como Deloitte y PWC, “nueve de cada diez

empresas crean informes para valorar correctamente el análisis de talento humano, pero
 13

uno de cada tres directores de Talento Humano tiene dificultades para evaluar qué datos

son realmente útiles” (pág. 2).

(Watch&Act, 2016). Ello supone una falta de profesionales con conocimientos sólidos de

herramientas actualizadas en la Ciencia de Datos y gestión del Big Data.

Situación conflicto nudos críticos

Según un estudio realizado en Ecuador por el autor Durán-Pinos (2016), (Durán-

Pinos, 2016), se mostró que entre las principales problemáticas en la gestión del talento

humano se encuentran la carencia de un control adecuado de personal y compromiso

institucional, exceso de personal administrativo y de obreros, falta de planificación y de

control administrativo y económico, inadecuada distribución del talento humano, falta de

una evaluación de desempeño técnica, falta de determinación de procesos, insuficiente

capacitación al talento humano, y falta de implementación de un sistema integrado de

desarrollo de talento humano.

Por otro lado, se tiene que en Ecuador no existe una sinergia entre el líder,

empleado y organización, esto debido a la falta de compromiso de estos a participar

activamente para mejorar el entorno laboral dando como resultado una gestión del

talento humano ineficaz e infructuosa (pág. 36).

En resumen, es evidente las falencias presentes de una u otra manera respecto la gestión

del talento humano y las decisiones que son tomadas en este departamento no solamente en

Latinoamérica, sino también en grandes países como Estados Unidos y en países de Europa

como España por nombrar algunos. Entre ellos, la dificultad de conseguir el talento adecuado por
 14

la falta de profesionales con conocimientos sólidos de herramientas actualizadas en la Ciencia de

Datos y gestión del Big Data, el desarrollo de liderazgo, la falta de compromiso y conciencia

laboral y la inexistencia de planes de fidelización de los empleados.

OBJETIVOS

Objetivo general

Demostrar una mejora en la calidad de las decisiones tomadas respecto la gestión

del talento humano con el aprovechamiento de la Ciencia de Datos y el Big Data a través de

base teórica y casos de éxito verificables, resaltando las ventajas por sobre las desventajas

de aplicar estas herramientas de manera que represente un aporte de calidad, estratégico y

útil para la compañía.

 15

Objetivos específicos

Plantear la situación empresarial actual de Ecuador respecto a cómo son tomadas las

decisiones de su personal y todo lo que ello engloba.

Plantear las probables valoraciones subjetivas dentro de un proceso decisorio con la

finalidad de simplificarlo y mejorarlo con base medible y confiable.

Concientizar a las organizaciones principalmente acerca de la necesidad de

implementar nuevas herramientas tecnológicas para gestionar sus datos de manera

eficiente que resulten en una verdadera ventaja competitiva.


 16

MARCO TEÓRICO

Antecedentes del estudio

Está comprobado que las organizaciones que cuentan con la posibilidad de explorar,

almacenar, tratar, analizar y valorar grandes cantidades de datos, toman decisiones de

calidad y realizan movimientos estratégicos más seguros y fiables (Torres-Romay & García-

Mirón, 2019). (Torres-Romay & García-Mirón, 2019). A continuación, se aborda cómo la

gestión del Big Data y la aplicación de la Ciencia de Datos facilitan a los decisores elegir un

curso de acción más informado y analítico en los sectores de la logística y transporte,

alimenticio, ocio y entretenimiento citando algunos casos de éxito:

En el sector de logística y transporte se destaca un mejor control de los activos, de

los inventarios y de las flotas de vehículos principalmente. Análogamente, la analítica de

datos basada en la demanda y los costos logísticos hace posible determinar de manera

dinámica y anticipatoria los precios, mejorar la trazabilidad y tener mayor control de la

cadena de frío, así como también realizar un seguimiento personalizado y como resultado

de ello elevar los niveles de satisfacción del cliente (Molina, 2016)(Molina, 2016). Caballero

(2019) menciona que “uUn caso de éxito en este sector es Uber, compañía que presta el

servicio de transporte privado mediante una plataforma virtual a nivel global”. Con la

ayuda de la analítica de datos, Uber fija el precio de cada viaje en función a la información

tomada de una amplia base de datos tanto de conductores como de clientes que le permite

gestionar su flota de vehículos y rastrear en tiempo real los viajes de sus usuarios. Además,
 17

la empresa ha diseñado algoritmos para monitorear las condiciones del tráfico y los

tiempos de viaje (Caballero, 2019).

Por su parte, el sector alimenticio apunta al objetivo de gestionar un producto

basándose en los datos. Un ejemplo a citar respecto esta industria es Starbucks, una cadena

internacional de comercialización de café, que mediante el uso de herramientas del Big

Data y Ciencia de Datos realiza una recopilación masiva de ellos y posterior a esto efectúa

análisis demográficos que sirven para elaborar y ejecutar planes de mercado y determinar

la apertura de nuevas tiendas. Con ello se garantiza el éxito y acogida de la población al

momento de la apertura de nuevos puntos de venta y se optimiza la gestión de mercadeo

con la generación de cupones de descuentos y promociones personalizados (Torres-Romay &

García-Mirón, 2019) (Torres-Romay & García-Mirón, 2019).

Del mismo modo, Bécares (2016)se presenta a “Netflix como empresa referente a

nivel mundial en la industria del ocio y entretenimiento, dedicada a brindar por

suscripción el servicio de streaming de contenidos audiovisuales como películas, novelas,

series y miniseries”. Empresa propuesta como ejemplo a seguir en la gestión del Big Data,

que con la utilización de análisis predictivos monitorea a sus abonados y predice la

demanda bajo la comprensión de sus hábitos televisivos y presenta un sistema de

recomendaciones que sugiere los contenidos acordes a las preferencias de los visitantes de

forma continua. (Bécares, 2016).

 18

Fundamentación teórica

A continuación, se profundiza este ensayo bajo la claridad y compresión de los

siguientes conceptos fundamentales: Big Data, Ciencia de Datos, gestión del talento

humano, Human Resources Analytics, método analítico descriptivo y predictivo.

A partir de un estudio realizado por los autores (Vicente- Vírseda J. , González

Arias, Parra Rodríguez, & Beltrán Pascuales,et al. (2019), se conceptualiza el Big Data o datos

masivos como un término utilizado en el sector de las tecnologías de la información y de la

comunicación para hacer referencia a un conjunto de datos que, por su volumen, variedad

y por la velocidad a la que necesitan ser procesados, supera las capacidades de los sistemas

informáticos habituales dado que su tamaño excede de forma considerada la capacidad de

captura, almacenamiento, gestión y análisis del software convencional de base de datos. El

concepto no hace referencia simplemente al tamaño de la información, sino también a la

variedad del contenido y a la velocidad con la que los datos se generan, almacenan y

analizan. .

Así mismo, la Ciencia de Datos los autores (Vicente Vírseda J. , González Arias, Parra

Rodríguez, & Beltrán Pascuales, 2019) han definido la Ciencia de Datos la definen como la

disciplina que engloba tanto las técnicas estadísticas tradicionales como las derivadas del

nacimiento del Big Data, se encarga del tratamiento y posterior análisis de grandes

volúmenes de datos que se generan en la actualidad a nivel mundial; además, precisa la

interacción de diversas disciplinas como la matemática, la ingeniería de datos, el

reconocimiento de patrones y finalmente, su visualización (pág.16).

.
 19

Por otro lado, Vallejo (2015) describe la gestión del talento humano la define el autor

(Vallejo Chávez, 2015) como el conjunto de actividades y medidas concretas para operar el

área y que tienen un efecto directo sobre los comportamientos, actitudes y aptitudes de las

personas dentro del esquema organizacional. La gestión del talento humano comprende la

ejecución de un conjunto de subprocesos, entre ellos el reclutamiento, selección, capacitación,

compensación, desarrollo y retención de empleados y se efectúa a través de procesos

administrativos como: planificar, dirigir, coordinar, organizar, controlar y ejecutar (Vallejo

Chávez, 2015).

; entonces, podría decirse que la dirección de la organización debe centrar sus esfuerzos

en el logro de los objetivos y metas propuestas en un tiempo determinado, de forma conjunta y

en consecuencia con el personal (Montoya Agudelo & Boyero Saavedra, 2016). Así mismo,

según Montoya & Boyero (2016) la gestión del talento humano ésta busca el desarrollo e

involucramiento del capital humano, elevando las competencias de cada persona que

trabaja en la empresa para beneficio de la compañía y su desempeño en general” (pág. 12)..

Entonces, podría decirse que la dirección de la organización debe centrar sus esfuerzos en el

logro de los objetivos y metas propuestas en un tiempo determinado, de forma conjunta y en

consecuencia con el personal.La gestión del talento humano comprende la ejecución de un

conjunto de subprocesos, entre ellos el reclutamiento, selección, capacitación, compensación,

desarrollo y retención de empleados y se efectúa a través de procesos administrativos como:

planificar, dirigir, coordinar, organizar, controlar y ejecutar (Vallejo Chávez, 2015).

Al mismo tiempo, se introduce el concepto de Human Resources Analytics que según

el autor Aguado (2018) (Aguado García, 2018), quien dice que es una metodología y un

proceso integrado de recopilación y análisis de datos aplicados para mejorar la calidad de

 20

las decisiones sobre las personas con el objetivo de potenciar el desempeño de la fuerza

laboral a nivel individual y organizacional, este método de análisis recolecta datos

relacionados con el talento humano y los relaciona con los objetivos organizacionales, ello

provee evidencia mesurada de cómo las iniciativas de recursos humanos están

contribuyendo a los objetivos y estrategias de la organización . (pág. 21). Tras la

comprensión de este concepto, se conoce que toda organización requiere de un conjunto de

recursos, los cuales gestionados de una forma correcta conllevan a la consecución de los

objetivos. En tal sentido existen tres tipos de recursos: materiales, técnicos y talento

humano. Este último contempla la actividad humana, sus conocimientos, experiencias,

motivaciones, aptitudes, habilidades e intereses..

Para ello, además del Human Resources Analytics, se introducen términos como:

analítica descriptiva y predictiva como modelos cuantitativos de la Ciencia de Datos, que

representan una herramienta de gran apoyo para analizar grandes cantidades de datos y

potenciar la gestión del talento humano en los subprocesos de reclutamiento, capacitación y

desarrollo, evaluación y retención del talento humano.

En primer lugar, se presenta el método analítico descriptivo, “un tipo de análisis que

utiliza y resume datos históricos o actuales para describir resultados de lo que ya ocurrió o

está ocurriendo, con el fin de identificar patrones marcados y responder al rendimiento de

alguna variable”. (Serna, 2019, pág. 48). (Serna M., 2017) Dentro del tipo de información

que puede proporcionar este tipo de análisis en las áreas de capacitación, desarrollo,

evaluación y retención principalmente se tienen índices de rotación de personal,

evoluciones salariales, indicadores de desempeño, nivel de participación de los empleados

en los planes de capacitación, seguimiento de inscripciones y tasas de cumplimiento de

 21

cursos, registro de los recursos de aprendizaje con acceso más frecuente, resumen de la

cantidad de veces que el empleado participa en los foros, seguimiento de calificaciones,

comparación de evaluaciones previas y posteriores (Aguado García, 2018)(Aguado García,

2018).

Pasando del modelo analítico descriptivo al predictivo, este último se precisa como

un método estadístico que utiliza algoritmos programados y de aprendizaje automático que

rastrean y analizan datos para identificar tendencias y predecir comportamientos futuros,

es decir, el análisis predictivo toma datos pasados y actuales y ofrece predicciones de lo que

podría acontecer en el futuro. La analítica predictiva si bien es cierto requiere de la

participación de quienes utilizan esta técnica, ello no implica una manipulación de

información o la toma de decisiones seguidas por la intuición; esta participación significa

decidir y comprender los datos que deben recopilarse respondiendo a una pregunta clara

previamente formulada para que trabaje el algoritmo (Siegel, 2013).(Siegel, 2013).

 22

VENTAJAS Y DESVENTAJAS

Entre las ventajas para las organizaciones que administran el talento de sus

empleados se identifican un mejoramiento de la cultura organizacional, mayor satisfacción

laboral, disminución de la rotación de personal, principalmente debido a esto la gestión

humana constituye para muchas entidades un proceso de apoyo a nivel de la gerencia. Su

importancia radica en la obtención de un punto de equilibrio entre el desarrollo

profesional, el enfoque humano y el logro de metas organizacionales.

A continuación, se explica cómo los modelos analíticos de la Ciencia de Datos han

ayudado a aliviar varias de las problemáticas citadas en el presente trabajo. Con el método

analítico descriptivo se pueden identificar indicadores de rendimiento tanto del empleado

como de los recursos y, además, se puede obtener información sobre comportamientos del

trabajador como compromiso y participación. Es importante hacer énfasis en que los

patrones y conocimientos adquiridos a partir de este tipo de análisis no se utilizan para

hacer predicciones sobre el desempeño futuro del talento humano, sino se utilizan para

identificar las brechas y problemas de desempeño en una etapa temprana.

Por otra parte, al incluir el análisis predictivo como estrategia para aumentar la

productividad laboral en la gestión del talento humano se encuentran algunos beneficios

clave como: la personalización de las necesidades de capacitación de los empleados al

identificar brechas, fortalezas y debilidades al ofrecer recursos de aprendizaje y formación

 23

específicos; inclusive, también se puede analizar el desempeño de la evaluación, el tiempo

para completar la capacitación y los requisitos de capacitación pendientes, un análisis de

estos patrones de datos agregados puede revelar cómo los empleados pueden continuar

desempeñándose en el futuro, facilitando la identificación de los empleados que no están en

camino de cumplir con los requisitos de formación continua; retención del talento mediante

el seguimiento y la comprensión de la progresión profesional de los empleados al

pronosticar qué recursos de aprendizaje beneficiarían mejor sus trayectorias y qué

habilidades necesitan los empleados para beneficio del diseño de la formación futura; y,

desarrollo de los empleados que no estén alcanzando su potencial mediante el apoyo de

intervención antes que su desempeño los ponga en riesgo.

A partir de la noción de cada uno de los modelos analíticos, presentados como

herramientas de la Ciencia de Datos para aprovechar los beneficios del Big Data en el área

de Recursos Humanos, es importante resaltar el valor que estos modelos analíticos aportan.

Se puede resumir en forma general, que la implementación de estas herramientas en

cualquier organización supone procesos más ágiles con una reducción de costos

significativa y entrega de resultados en un menor tiempo; de forma más específica, se hace

énfasis a la disposición de información objetiva y clara para la toma de decisiones al

predecir el éxito en los candidatos en un momento temprano del proceso; un aumento de

beneficios para la compañía al tener acceso a determinados perfiles, planes de capacitación

y formación personalizados acorde a las carencias y puntos débiles de cada uno de los

colaboradores de manera que fomente su motivación, su desarrollo y se afiance ese talento,

la reducción de análisis sesgados de la productividad laboral, ya que al evaluar con una

mayor cantidad de métricas relacionadas con el desempeño, necesidades y motivaciones de

 24

los trabajadores, es más fácil conservar el mejor talento en el seno de la empresa y

retribuirlos en base a criterios relacionados con la productividad. Expresado como un total,

la aplicación de estos modelos analíticos se manifiesta como información de valor para la

toma de decisiones estratégicas que impactan directamente sobre el negocio y su

productividad.

Figura 1
Percepción beneficios al utilizar HR Analytics

Mejores capacidades para gestionar la fuerza de trabajo 70%

Mejora en los niveles de la productividad de la fuerza de 67%

trabajo

Mayor capacidad para justificar las inversiones en capital

humano 53%

Mayor nivel de cumplimiento 32%

0% 10% 20% 30% 40% 50% 60% 70% 80%

Nota. Datos expresados en una fracción de un total sobre la percepción de las empresas respecto

el HRA. Reproducida de IBM-Cognos (2018)

Tal como se observa en la Ilustración 1, es notable un fuerte acuerdo de los profesionales

en el campo acerca de las ventajas de utilizar HR Analytics. En resumen, los datos apoyan
 25

evidentemente que la utilización del HRA se traduce en un aporte estratégico para aumentar la eficiencia

en la gestión de la fuerza de trabajo y mejora los niveles de competitividad dentro de las organizaciones.

No obstante, cabe resaltar los desafíos que a grandes rasgos el Big Data y la Ciencia de

Datos enfrentan. Herrera (2019) señala que “eEntre los principales se nombrarán:retos se

encuentran el gran número de fuentes y tipos de datos que resultan en una dificultad a la

hora de integrarlos, la necesidad de implementar un proceso de calidad de datos que

permita eludir errores al momento de recolectar”,. P pero sobre todo resalta a primera vista

una dificultad para limpiar y procesar los datos semiestructurados y no estructurados, la

significativa volatilidad debido a que los datos cambian rápidamente y el tiempo de validez

es muy corto por lo que se requiere de un poder de procesamiento muy alto, la ausencia de

estándares de calidad de datos unificados que no solo evitará incurrir en graves errores

estratégicos y operacionales tras basarse en datos erróneos sino que también ayudará a

obtener ventajas competitivas, y para finalizar la ciberseguridad que es el mayor reto en la

era tecnológica por la vulnerabilidad de los datos almacenados que son el objeto de los

ciberataques.

Explícitamente, “el HR Analytics y los modelos analíticos también enfrentan problemas aún no

resueltos, entre ellos el riesgo de caer en conclusiones equívocas no revisadas, donde debe

considerarse la correlación entre variables por la posibilidad que surja un factor de azar que

influya en la relación, siendo una conexión de causa y efecto equivocada” (Gil González, 2015,

pág. 16) por esto, que al momento de utilizar ciberataques (Herrera Estrada, 2019, pág.

97)(Herrera Estrada, 2019).

Explícitamente, Gil González, (2015), concluyó que “el Human Resources Analytics y los

modelos analíticos también enfrentan problemas aún no resueltos, entre ellos el riesgo de caer en
 26

conclusiones equívocas no revisadas, en donde se debe tomar en consideración la correlación

entre variables ya que existe la posibilidad que surja un factor de azar u otro parámetro que

influya en la relación, resultando en una conexión de causa y efecto que es equivocada” (pág. 16)

(Gil González, 2015). Es por esto, que al momento de utilizar estas herramientas se debe

realizar una verificación exhausta de si realmente existe un patrón entre dos o más

factores, que explique una verdadera relación entre ambos o si, por el contrario, se trata de

una simple coincidencia. Es decir, que, de interpretarse las correlaciones entre variables de

forma errónea, el analista puede terminar siendo engañado por los datos. De manera

similar, Lengnick-Hall et al. (2018) se afirma que “es un error que sucede habitualmente

confundir patrones que de forma aparente revelan una casualidad entre los datos que de

hecho reflejan una simple correlación y esto genera información falsa que resulta en una

decisión errónea” (pág. 30)(Lengnick-Hall, Neely, & Stone, 2018).

McGuire (2013) afirma que “eEntre los desafíos que afronta el HR Analytics también

se encuentra la ausencia de personal con conocimientos sólidos sobre las nuevas técnicas

matemáticas, analíticas y estadísticas que se requieren para explotar los datos” (McGuire,

2013). El objetivo aquí es maximizar el valor de los datos mediante la consolidación en un

equipo de profesionales como científicos e ingenieros de datos, analistas y expertos en Big

Data y Ciencia de Datos. Así mismo, en 2020, Sierra sostiene que “aA nivel mundial se

destaca una demanda explosiva de científicos de datos hace aproximadamente dos años; sin

embargo, en Ecuador existe tal desfase que hasta hace poco no había formación de

posgrado para la especialidad de este tipo de profesionales” (pág. 25) (Sierra, 2020)(Sierra,

2020). Por ello es apremiante que las Universidades sigan el ritmo de la demanda de las
 27

carreras profesionales de grado y posgrado, ya que reclutar personas con estas habilidades

es difícil de encontrar debido a la alta demanda y poca oferta.

Otro de los retos a citar es la predisposición de reclutadores y analistas del talento

humano de cambiar paradigmas respecto la manera de elegir un curso de acción, caso

contrario el análisis que se recabe carecerá de valor para la organización. “El gran

potencial de los datos requiere de un liderazgo eficaz en el uso y aplicación del Biga Data y

HR Analytics y no plantea la omisión de la visión humana” (McAfee & Brynjolfsson, 2012,

pág. 5). Por endeel contrario, se debe en primer lugar cambiar la cultura organizacional, cambiar

el chip de los analistas y reclutadores con el fin de aprovechar al máximo a los líderes

empresariales con capacidades para detectar nuevas oportunidades y mejoras, así como

para entender cómo se está desarrollando el negocio (McAfee & Brynjolfsson, 2012).

Adicionalmente, es conveniente hacer referencia a los costos y tiempos que implican

la implementación de los modelos algorítmicos, estadísticos y matemáticos planteados en

este ensayo como instrumento de alto impacto en la productividad, estabilidad laboral y

fortalecimiento de la organización. Es relevante mencionar que la cuantía de llevar a cabo

este tipo de soluciones dependerá de diversos factores, entre ellos: si la empresa se inicia en

este tipo de proyectos o si la empresa ya se ha incursionado en estas tecnologías y desea

mejorar sus propios modelos algorítmicos o crear y entrenar un nuevo modelo, la cantidad

de profesionales que se requiere para elaborar el proyecto, tales como: expertos en RR.

HH, psicólogos, psicómetras, matemáticos, informáticos, científicos de datos, analistas y

expertos en Big Data  y así mismo la cantidad de horas requeridas para la elaboración de

determinado proyecto. Si bien es cierto, es complejo presupuestar este tipo de programas

debido a que ello dependerá de los requerimientos de cada uno y de la satisfacción que se
 28

consiga de las necesidades que lo originaron. No obstante, en un estudio realizado a

empresas canadienses por Barnia (2018) se confirma que “quienes utilizan estas

herramientas de la Ciencia de Datos y Big Data reducen costos de contratación, reducen

tiempo de selección, disminuye índices de rotación, predicen índices de absentismos y

accidentes de trabajo” (pág. 48)(Barnia, 2018); estos indicadores además de representar un

costo afectan de manera directa a la productividad y la satisfacción del cliente.

Un científico de datos es un profesional formado en las ciencias matemáticas y

estadísticas con amplio dominio en programación y sus lenguajes, ciencias de la computación y

analítica. Para León (2015), un experto en esta área “se puede considerar un recurso clave en el

mundo de las tecnologías y uno de los mejores pagados a nivel mundial” (pág. 8).

A continuación se presenta un análisis acerca de la búsqueda de este perfil profesional. Al

respecto, un estudio realizado por McKinsey & Company (2011) “pronosticó una carencia de

personal altamente calificado en habilidades analíticas profundas de aproximadamente 140.000 y

190.000, así como de 1,5 millones de analistas con las competencias básicas para el uso de

herramientas de analítica derivadas del Big Data” (pág. 156).

Por otro lado, en la Tabla 1 se muestran datos acerca de los anuncios online en búsqueda

del perfil profesional de un científico de datos a nivel mundial obtenidos de las plataformas

LinkedIn, red profesional con más de 546 millones de usuarios, presente en más de 200 países e

Indeed, importante motor de búsqueda vertical que registra más de 200 millones de

usuarios únicos por mes y está disponible en más de 60 países y en 28 idiomas,

comprendiendo el 94% del PIB mundial (Achille, 2018, pág. 95).

Tabla 1
Demanda de Profesionales en la Ciencia de Datos y Big Data
 29

Países LinkedIn Indeed

Estados Unidos 18.525 2.662
India 3.472 470
Francia 2.948 380
Reino Unido 2.679 875
Alemania 1.602 465
España 1.146 104
Australia 897 86
Italia 761 69
Brasil 485 27
Argentina 124 17
Chile 65 4
TOTAL 32.704 5.159

Nota. Clasificados online en LinkedIn e Indeed

Fuente: elaborado en base a datos de LinkedIn e Indeed (06-2017)

Sobre esta base, la demanda de profesionales en la ciencia de datos al 26 de junio de

2017, en LinkedIn permitió encontrar 32.704 casos frente a 5.159 casos en Indeed. En esta

distribución resalta la posición de Estados Unidos en ambas plataformas con un 56,64% ante

51.60% respectivamente. En un grado de menor relevancia se encuentra la India con un 10,62%

frente al 9,11%. Respecto países europeos, destaca en Francia una demanda del 9.01% en

LinkedIn sobre un 7,37% en Indeed. Comparativamente, los registros para los países en América

del Sur son poco significativos, sobresaliendo Brasil con 1,48% frente un 0,52%.
 30

CASOS DE ÉXITO

Las ventajas que anteriormente se han mencionado ya deberían ser lo

suficientemente alicientes como para promover un cambio de paradigma respecto la

gestión de datos en las empresas, sin embargo, quizá resulte más sugestivo descubrir casos

reales y de éxito en empresas bastante conocidas que han aplicado los métodos analíticos de

la Ciencia de Datos y el Big Data para administrar y gestionar el talento humano, y

mayormente revelar los resultados que estas han obtenido al aplicar las mencionadas

herramientas tecnológicas a lo largo del presente trabajo.

Partiendo del caso de Amazon, un gigante de la distribución que aprovechó las

posibilidades del Big Data y ha creado comunidades internas de profesionales de la ciencia

de datos y de la investigación de recursos humanos para desempeñarse en varios

programas o proyectos como: Talent Assessment, Global Talent Management y Amazon

Connections.

En el primer programa, el equipo de evaluación de talentos crea evaluaciones

científicas bajo modelos analíticos predictivos de las habilidades relevantes para el

trabajo con el fin de aumentar la calidad de las contrataciones, acelerar el proceso

de selección de candidatos y mitigar los efectos de la evaluación subjetiva y con ello

se logra un aumento de la posibilidad de que Amazon contrate a las personas que

mejor se adaptan al trabajo y a su cultura; en el segundo, el equipo de gestión global

del talento desarrolla y mantiene un flujo interno de talento estable, saludable y

preparado al ofrecer soluciones que satisfacen las necesidades de toda la empresa en

torno al desempeño y el desarrollo profesional desde la contratación hasta la salida;

y en el tercero, a través de un programa innovador conocido como Amazon

 31

Connections, en donde se hacen preguntas rápidas a los empleados todos los días de

forma confidencial y efectiva para obtener una retroalimentación sobre el lugar de

trabajo y el grado de satisfacción de sus empleados. Connections aprovecha la

información en tiempo real para aprender más sobre sus experiencias e introducir

cambios positivos con los socios comerciales internos de todo el mundo en donde

emplea método analítico descriptivo para identificar patrones, a partir de ahí

predice situaciones para tener una solución a cada situación y por último, emplea el

método analítico Human Resources Analytics donde recolecta datos del personal y

los relaciona con los objetivos organizacionales para realizar mejoras dentro del

área. El objetivo de este programa es ayudar a desarrollar líderes que se ganen la

confianza, eliminar las barreras a la excelencia y hacer de Amazon un lugar

inspirador para trabajar mediante la utilización de la investigación y la

experimentación aplicada en las ciencias del comportamiento para transformar la

experiencia del empleado (Amazon, 2021) (Amazon, s.f.).

De igual modo se identifica a Xerox como un caso de éxito en la aplicación de

modelos informáticos en donde juega un papel muy importante el Big Data en Recurso

Humanos, obteniendo una significativa reducción de la tasa de abandono de sus

empleados de sus centros de llamadas en un 20%. Para reducir la rotación y favorecer el

compromiso de los trabajadores se analizan los datos de la compañía mediante un análisis

descriptivo de las variables relacionadas con la permanencia, proponiendo acciones de

mejora basadas en este análisis de datos tales como: palancas para frenar la rotación,

perfiles de las personas que abandonan la compañía, entre otros y estudiando el impacto

económico de la rotación.
 32

Por otro lado, Xerox Corp. Incluso aplica modelos algorítmicos al momento de hacer una

selección de personal más estratégica, estableciendo la probabilidad de éxito de cada candidato y

los trabajos que alguna vez se cubrieron sobre la base del historial laboral y las entrevistas, cada

vez se remplazan más por el análisis de datos, ya que los empleadores buscan algo más que una

corazonada de que una persona hará bien su trabajo (Walker, 2012, pág. 8)

Por otro lado, Xerox Corp. Incluso aplica modelos algorítmicos al momento de hacer una

selección de personal más estratégica, estableciendo la probabilidad de éxito de cada

candidato y los trabajos que alguna vez se cubrieron sobre la base del historial laboral y

las entrevistas, cada vez se remplazan más por el análisis de datos, ya que los

empleadores buscan algo más que una corazonada de que una persona hará bien su

trabajo (Walker, 2012, pág. 8)(Walker, 2012).

Luego de interpretar en casos reales, los beneficios evidentes que trae consigo la

introducción y aplicación de los modelos analíticos de la Ciencia de Datos en el área de

recursos humanos, se podría continuar mencionando tales beneficios, sin embargo, no es

intención agobiar al lector con más casos reales y sus tasas de éxito. Al contrario, luego de

interpretar y evaluar la envergadura de la Ciencia de Datos y el Big Data se determina que

los modelos analíticos planteados en el presente ensayo representan las nuevas tendencias

para mejorar la calidad de las decisiones que sean tomadas respecto la gestión del talento

humano. Dado que, a través de un enfoque analítico, la gestión de recursos humanos puede

realizarse de manera más objetiva y rigurosa y, además permite la toma de decisiones más

acertadas basándose en números, resultados de métricas y análisis alineados con los

objetivos departamentales y organizacionales.

 33

CONCLUSIONES

CONCLUSIONES

En conclusión, se conoce que todo cambio trae consigo nuevas fuerzas, contingencias

y oportunidades; una de ellas, es la posibilidad de mejorar la calidad de las decisiones que

se toman respecto la gestión de talento humano, a partir del aprovechamiento de las nuevas

tecnologías como parte fundamental y estratégica de los negocios. Para ello es necesario la

implementación del Human Resources Analytics como herramienta de la Ciencia de Datos

que permita el procesamiento y análisis de grandes cantidades de datos como soporte

cuantitativo para el proceso de toma de decisiones mediante la acción directa sobre los

subprocesos tales como el reclutamiento, capacitación, desarrollo, evaluación y retención.

 34

De forma general, Para los autores Rodríguez et al. (2017) lLa gran mayoría de las

organizaciones manejan grandes cantidades de datos, y especialmente el departamento de

Recursos Humanos no es la excepción, debido a que maneja información proveniente de la

planificación de capacitaciones, registros sobre la rutina de los empleados, información

almacenada en hojas de cálculo, encuestas internas, perfiles de trabajo de la empresa, hojas

de vida, indicadores de desempeño. Toda esta información , los cuales sin ningún tipo de

tratamiento o análisis por sí solos no proporcionarían ninguna información de valor

(Rodríguez, Palomino, & Mondaca, 2017); es por ello que se requieren de estas nuevas

herramientas de manera que la información que se aporte sea de calidad, estratégica y útil

para la compañía, como eje indispensable para los gerentes para maximizar sus resultados,

optimizar sus procesos y estrategias de negocio. Y es que “está comprobado que las

organizaciones que gestionan sus datos de manera deficiente encuentran dificultades para

generar valor a partir de estos y de su análisis” (Balboni et al. 2013, pág. 30).(Balboni, Finch,

Rodenbeck, & Shockley, 2013).

Así mismo, cada vez es más frecuente que las empresas empleen nuevos modelos

analíticos de la Ciencia de Datos para gestionar el Big Data, pues por medio de esta

herramienta es posible la toma de decisiones acertadas o de manera objetiva y numérica,

también es posible descubrir líderes ocultos, mejorar el cuadro de mando o analizar los

perfiles profesionales con mayor potencial, siendo parte de un proceso limpio de selección o

promoción que genera un ambiente laboral idóneo, aumenta el rendimiento y reduzca las

tasas de rotación. Simplemente a través de los modelos presentados en el presente ensayo,

además de simplificar tareas de gran importancia, es posible generar valor a los procesos y

subprocesos, convirtiéndose en una fuente de información relevante que proporciona

 35

métricas y panoramas sobre la satisfacción de los empleados, que permite identificar

problemas puntuales de una compañía y que promete revolucionar las estrategias del área

de recursos humanos.

Al tratar estrategias revolucionarias, se pone en evidencia aquellas resultantes en los

casos de éxito estudiados como lo son: la evaluación objetiva de talentos, el aumento de la

calidad de las contrataciones, la aceleración del proceso de selección, la gestión global del

recurso humano desarrollando y manteniendo un flujo interno de talento estable, saludable

y preparado, el desarrollo profesional desde la contratación hasta la salida, palancas para

frenar la rotación, entre otros. Y es que las máquinas, los algoritmos, los métodos

estadísticos y analíticos no podrán reemplazar al ser humano, por lo contrario, ayudarán a

optimizar resultados mediante la implementación de hojas de ruta en donde se identifiquen

aquellos colaboradores que tienen margen de mejora y se impulse a los líderes menos

exitosos. Por su parte para llegar a este punto, es ineludible la contratación de profesionales

especializados en el Big Data y la Ciencia de Datos como primer paso para alcanzar tal

desarrollo en el área de recursos humanos, luego identificar qué brechas deben disminuirse

de acuerdo al giro del negocio y la experiencia de cada compañía estableciendo un punto de

partida o estado en que se encuentra la misma respecto a estas tendencias informáticas, la

duración del proyecto, la cantidad de profesionales requeridos, todo ello es trascendental

para presupuestar este tipo de inversión empresarial. Sin embargo, ya dependerá de los

directivos y gerentes la decisión de invertir o no en este tipo de proyectos considerando el

ROI que implica tal implementación. Pero de forma general, poner en marcha o

implementar estos modelos analíticos en empresas grandes no supone una gran afectación

monetaria o económica como para empresas más pequeñas.

 36

En sí este modelo es decisivo a la hora de mover la práctica de recursos humanos de un

nivel operativo a uno estratégico. Dado que mejorar la calidad de las decisiones que sean

tomadas respecto la gestión del talento humano impulsará la correcta y eficiente

administración del recurso favoreciendo a las organizaciones, creando un armonioso clima

laboral a sus colaboradores, desarrollándose óptimamente en las plazas de trabajo acorde a

sus habilidades y competencias. Para ello se propone directrices que debería seguir el

Ecuador para mejorar su gestión del capital humano: ejecutar a largo plazo un plan piloto

de capacitación gratuita continua para profesionales en el campo de las tecnologías de la

información principalmente, en los campos de la ciencia de datos; luego este grupo de

profesionales retribuirán la inversión creando proyectos para empresas entre medianas y

grandes que requieran automatizar ciertos subprocesos, pero sobre todo mejorar la calidad

de las decisiones que se tomen respecto la gestión de su talento humano. De igual modo será

imprescindible cCapacitar a los directores y analistas de recursos humanos en la utilización

y aplicación de los modelos analíticos y estadísticos en sus actividades diarias con el fin que

aprendan a confiar y basar sus decisiones en métodos numéricos y confiables y poco a poco

renuncien a los métodos tradicionales e intuitivos utilizados hasta el momento en diversas

compañías del país, de tal modo que se rompan paradigmas acerca de la implementación y

utilización de nuevas tecnologías con gran potencial para aportar valor estratégico e institucional.

que rompan paradigmas por encima de la viveza criolla.

 37

BIBLIOGRAFÍA

Aguado García, D. (2018). HR Analytics: Teoría y práctica para una analítica de recursos

humanos con impacto. Madrid: ESIC Editorial.

Balboni, F., Finch, G., Rodenbeck, C. R., & Shockley, R. (2013). Analítica de datos: un proyecto

de generación de valor. Cómo transformar Big Data en resultados, a través de la analítica. New

York: IBM Global Business Services.

Barnia, M. (2018). Big Data Applications in recruitment. HR Professional , 45-48.

Bécares, B. (Agosto de 2016). SiliconWeek. Cómo Netflix y Uber aprovechan los Big Data.

Caballero, L. (2019). El algoritmo indiscreto llega para quedarse. Forbes.

Durán-Pinos, A. (2016). Modelo de Gestión del Talento Humano para la Escuela Superior

Politécnica de Chimborazo. Revista Ciencia UNEMI, 36-43.

Flores, M. V. (2016). LA GLOBALIZACIÓN COMO FENÓMENO POLÍTICO, ECONÓMICO

Y SOCIAL. Orbis Revista Científica Ciencias Humanas, 12(34).

Gil González, E. (2015). Big Data, privacidad y protección de datos. España: Boletín oficial del

Estado.
 38

Herrera Estrada, J. (2019). BIG DATA: VENTAJAS Y DESVENTAJAS - APLICACIONES Y

TECNOLOGÍAS PARA IMPLEMENTAR EL SERVICIO. Journal of Alternative Perspectives

in the Social Sciences, 10(1), 91-107.

Kahneman, D. (2012). Pensar rápido, pensar despacio. Barcelona: Penguin Random House.

Lengnick-Hall, M., Neely, A., & Stone, C. (2018). Management and Technological Challenges

in the Digital Age: Big Data, HR Analytics and Artificial Intelligence. CRC Press.

Manrique Tisnés, H. (2019). Toma de decisiones: intuición y deliberación en la experiencia de

los decisores. Innovar, 29(73).

McAfee, A., & Brynjolfsson, E. (2012). Big Data: The Management Revolution. Harvard

Business Review.

McGuire, T. (Marzo de 2013). McKinsey Digital. (M. R. McKinsey, Entrevistador) Obtenido de

Making data analytics work: Three key challenges.

Molina, J. L. (2016). ¿Qué aporta el Big Data a la distribución? Revista Inforetail.

Montoya Agudelo, C. A., & Boyero Saavedra, M. R. (2016). El Recurso Humano como

elemento fundamental para la Gestión de Calidad y la Competitividad Organizacional. Revista

Científica "Visión de Futuro", 20(2), 1-20.

Pinedo, S. (2016). Métodos cuantitativos en la gestión del talento . Buenos Aires: Universidad de

San Andrés.

Randstad. (13 de Diciembre de 2016). El Big Data en los Recursos Humanos. Recuperado el

Febrero de 2021
 39

Recursos Humanos TV (2018). CONGRESOSKPMG ECUADOR PRESENTA:EL

BALANCED SCORECARD Y LA SEGMENTACIÓN DE CLIENTES, UNA APUESTA A LA

ESTRATEGIA EN LA FUNCIÓN DEL TALENTO.

Ríos Manrique, M., & Ferrer Guerra, J. (2010). El Balanced Scorecard en el área de Recursos

Humanos: Caso Gerencia de Compensaciones de una empresa de alimentos. Cuadernos de

Estudios Empresariales, 20, 145-176.

Rodríguez, P., Palomino, N., & Mondaca, J. (Mayo de 2017). Sector de Conocimiento y

Aprendizaje (KNL) Biblioteca Felipe Herrera (FHL) . Recuperado el Febrero de 2021, de El uso

de datos masivos y sus técnicas analíticas para el diseño e implementación de políticas públicas

en Latinoamérica y el Caribe.

Saavedra Vidal, L. (2019). Plan de gestión del talento humano para mejorar el desempeño

laboral en la Estación Experimental Agraria Vista Florida. Universidad César Vallejo,

Chiclayo.

Serna M., E. (2017). Investigación formativa en Ingeniería (Primera ed.). Medellín: Editorial

Instituto Antioqueño de Investigación. doi:: 978-958-59127-6-2

Siegel, E. (2013). Analítica predictiva : predecir el futuro utilizando big data. (V. González

León, Trad.) Anaya Multimedia.

Sierra, G. (Septiembre de 2020). IT Ahora. Obtenido de La Revista Líder de Tecnología.

Solís-Morejón, V. C., & Llamuca-Pérez, S. L. (Junio de 2020). Indicadores de Gestión del

Balanced Score card en el Ecuador. Revista Científica FIPCAEC, 5(19), 186-209.

doi:https://doi.org/10.23857/fipcaec.v5i5.227
 40

Torres-Romay, E., & García-Mirón, S. (2019). The Big Data role in the communication

strategies of brands. Assessment and success stories. Prisma Revista de Ciências e Tecnologias

de Informação e Comunição, CITCEM – Centro de Investigação Transdisciplinar Cultura,

Espaço e Memória. doi:https://doi.org/10.21747/16463153/44a5 8

Vallejo Chávez, L. M. (2015). Gestión del talento humano. Riobamba: Instituto de

Investigaciones.

Vicente Vírseda, J. A., González Arias, J., Parra Rodríguez, F. J., & Beltrán Pascual, M. (2019).

Métodos de Data Science aplicados a la Economía y a la Dirección y Administración de

Empresas. Madrid: UNED - Universidad Nacional de Educación a Distancia. Obtenido de

https://elibro.net/es/lc/uguayaquil/titulos/122249

Vicente Vírseda, J., González Arias, J., Parra Rodríguez, F. J., & Beltrán Pascuales, M. (2019).

Métodos de Data Science aplicados a la Economía y a la Dirección y Administración de

Empresas. Madrid: UNED - Universidad Nacional de Educación a Distancia. Obtenido de

https://elibro.net/es/lc/uguayaquil/titulos/122249

Walker, J. (Septiembre de 2012). Conozca al nuevo jefe: Big Data. The Wall Street Journal.

Watch&Act. (2016). Del big data al smart data. ¿Cómo afecta en los recursos humanos?

Recuperado el Febrero de 2021

https://www.youtube.com/watch?v=m09MGyFfvTU
 41

BIBLIOGRAFÍA

Achille, P. P. (2018). NUEVAS PROFESIONES Y TÉCNICAS DE WEB DATA MININGEN ARGENTINA: EL

CASO DEL DATA SCIENTIST. REVISTA DEL CENTRO DE ESTUDIOS DE SOCIOLOGÍA DEL TRABAJO,

95-112.

Aguado García, D. (2018). HR Analytics: Teoría y práctica para una analítica de recursos humanos con

impacto. Madrid: ESIC Editorial.

Amazon. (Marzo de 2021). Amazon Jobs. Recuperado el Marzo de 2021, de

https://www.amazon.jobs/es/landing_pages/hrresearch

Balboni, F., Finch, G., Rodenbeck, C. R., & Shockley, R. (2013). Analítica de datos: un proyecto de

generación de valor. Cómo transformar Big Data en resultados, a través de la analítica. New

York: IBM Global Business Services.

Barnia, M. (2018). Big Data Applications in recruitment. HR Professional , 45-48.

Bécares, B. (Agosto de 2016). SiliconWeek. Cómo Netflix y Uber aprovechan los Big Data.

Caballero, L. (2019). El algoritmo indiscreto llega para quedarse. Forbes.

Durán Pinos, A. (2016). Modelo de Gestión del Talento Humano para la Escuela Superior Politécnica de

Chimborazo. Revista Ciencia UNEMI, 36-43.

Flores, M. (2016). LA GLOBALIZACIÓN COMO FENÓMENO POLÍTICO, ECONÓMICO Y SOCIAL. Orbis

Revista Científica Ciencias Humanas(34), 2-16. Obtenido de http://www.revistaorbis.org.ve

Gil González, E. (2015). Big Data, privacidad y protección de datos. España: Boletín oficial del Estado.
 42

Herrera Estrada, J. (2019). BIG DATA: VENTAJAS Y DESVENTAJAS - APLICACIONES Y TECNOLOGÍAS

PARA IMPLEMENTAR EL SERVICIO. Journal of Alternative Perspectives in the Social Sciences,

10(1), 91-107.

Kahneman, D. (2012). Pensar rápido, pensar despacio. Barcelona: Penguin Random House. Obtenido

de https://catedradatos.com.ar/media/kahneman_pensar.pdf

Lengnick-Hall, M., Neely, A., & Stone, C. (2018). Management and Technological Challenges in the

Digital Age: Big Data, HR Analytics and Artificial Intelligence. CRC Press.

León Rodríguez, G. (Febrero de 2015). LA CIENCIA DE LOS DATOS Y SU IMPACTO EN LA GESTIÓN

UNIVERSITARIA. Revista Científica ECOCIENCIA, 2(1), 1-15.

Manrique Tisnés, H. (2019). Toma de decisiones: intuición y deliberación en la experiencia de los

decisores. Innovar, 29(73), 149-164. Obtenido de

https://doi.org/10.15446/innovar.v29n73.78028

Maza, P., Baroja, R., Villagómez, B., & Cadena, M. (2018). CONGRESOS KPMG ECUADOR PRESENTA:EL

BALANCED SCORECARD Y LA SEGMENTACIÓN DE CLIENTES, UNA APUESTA A LA ESTRATEGIA

EN LA FUNCIÓN DEL TALENTO [Grabado por Recursos Humanos TV]. Ecuador. Obtenido de

https://www.recursoshumanos.tv/2018/08/20/kpmg-ecuador-presentael-balanced-

scorecard-y-la-segmentacion-de-clientes-una-apuesta-a-la-estrategia-en-la-funcion-del-

talento/

McAfee, A., & Brynjolfsson, E. (2012). Big Data: The Management Revolution. Harvard Business

Review, 1-5.

McGuire, T. (Marzo de 2013). McKinsey Digital. (M. R. McKinsey, Entrevistador) Obtenido de Making

data analytics work: Three key challenges.

 43

McKinsey & Company. (2011). Big Data. The Next Frontier for Innovation, Competition, and

Productivity. 156.

Molina, J. L. (2016). ¿Qué aporta el Big Data a la distribución? Revista Inforetail.

Montoya Agudelo, C. A., & Boyero Saavedra, M. R. (2016). El Recurso Humano como elemento

fundamental para la Gestión de Calidad y la Competitividad Organizacional. Revista Científica

"Visión de Futuro", 20(2), 1-20.

Pinedo, S. (2016). Métodos cuantitativos en la gestión del talento . Buenos Aires: Universidad de San

Andrés.

Ríos Manrique, M., & Ferrer Guerra, J. (2010). El Balanced Scorecard en el área de Recursos Humanos:

Caso Gerencia de Compensaciones de una empresa de alimentos. Cuadernos de Estudios

Empresariales, 20, 145-176.

Rodríguez, P., Palomino, N., & Mondaca, J. (Mayo de 2017). Sector de Conocimiento y Aprendizaje

(KNL) Biblioteca Felipe Herrera (FHL) . Recuperado el Febrero de 2021, de El uso de datos

masivos y sus técnicas analíticas para el diseño e implementación de políticas públicas en

Latinoamérica y el Caribe.

Saavedra Vidal, L. (2019). Plan de gestión del talento humano para mejorar el desempeño laboral en

la Estación Experimental Agraria Vista Florida. Universidad César Vallejo, Chiclayo.

Serna M., E. (2019). Investigación formativa en Ingeniería (Tercera ed.). Medellín: Editorial Instituto

Antioqueño de Investigación. doi:978-958-59127-6-2

Siegel, E. (2013). Analítica predictiva : predecir el futuro utilizando big data. (V. González León, Trad.)

Anaya Multimedia.
 44

Sierra, G. (Septiembre de 2020). IT Ahora. Obtenido de La Revista Líder de Tecnología.

Solís-Morejón, V. C., & Llamuca-Pérez, S. L. (Junio de 2020). Indicadores de Gestión del Balanced Score

card en el Ecuador. Revista Científica FIPCAEC, 5(19), 186-209.

doi:https://doi.org/10.23857/fipcaec.v5i5.227

Torres-Romay, E., & García-Mirón, S. (2019). The Big Data role in the communication strategies of

brands. Assessment and success stories. Prisma Revista de Ciências e Tecnologias de

Informação e Comunição, 1-18. doi:https://doi.org/10.21747/16463153/44a5 8

Vallejo Chávez, L. M. (2015). Gestión del talento humano (133 ed., Vol. 17). (L. C. Editores, Ed.)

Riobamba: Instituto de Investigaciones.

Vicente Vírseda, J. A., González Arias, J., Parra Rodríguez, F. J., & Beltrán Pascual, M. (2019). Métodos

de Data Science aplicados a la Economía y a la Dirección y Administración de Empresas.

Madrid: UNED - Universidad Nacional de Educación a Distancia. Obtenido de

https://elibro.net/es/lc/uguayaquil/titulos/122249

Walker, J. (Septiembre de 2012). Conozca al nuevo jefe: Big Data. The Wall Street Journal, pág. 8.

Watch&Act. (2016). Watch&Act. Madrid. Recuperado el Febrero de 2021, de Del big data al smart

data. ¿Cómo afecta en los recursos humanos?