Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PREGRADO
GUAYAQUIL – ECUADOR
2021
Guayaquil, 2021
gestión del talento humano mediante el Análisis del Big Data y la aplicación de la
Pacífico).
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
Guayaquil, 2021
CERTIFICACIÓN
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
Guayaquil, 2021
DOCUMENTO DE CONFIDENCIALIDAD
Al presentar este Trabajo de Conclusión de Carrera como uno de los requisitos previos
Universidad para que haga de este trabajo investigativo un documento disponible para su
según como lo dictamina la L.O.E.S. 2010 en su Art. 144. Conforme a lo expresado, adjunto
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
Ordóñez
TABLA DE CONTENIDO
INTRODUCCIÓN......................................................................................................................81
OBJETIVOS.............................................................................................................................134
Objetivo general....................................................................................................................134
Objetivos específicos.............................................................................................................135
7
MARCO TEÓRICO.................................................................................................................145
Fundamentación teórica.......................................................................................................157
VENTAJAS Y DESVENTAJAS............................................................................................1910
CASOS DE ÉXITO.................................................................................................................2617
CONCLUSIONES..................................................................................................................2919
BIBLIOGRAFÍA....................................................................................................................3222
INDICE DE TABLAS
INDICE DE FIGURAS
INTRODUCCIÓN
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
La globalización es uno de los fenómenos más citados en las últimas dos décadas debido
conveniente mencionar que según Kahneman (2012), “el pensamiento humano se rige por dos
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
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
probabilidad de error generado por los sesgos y laa subjetividad . pudiendo afectar de
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
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
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
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
Maza et al. (2018) concluyen que “eEn los países la importancia de la gestión
mando integral CMI, “ el cual fue desarrollado por Robert Kaplan y David Norton bajo la
tradicionalmente” (Ríos Manrique & Ferrer Guerra, 2010, pág. 145). (Ríos Manrique & Ferrer
estratégica, financiera, del cliente y operativa, las cuales aportan a una visión empresarial
desempeño del departamento de Recursos Humanos. Según los autores Solís-Morejón &
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
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
(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
Por otra parte, según Pinedo (2016) “en Argentina existe una brecha significativa con
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
(Watch&Act, 2016). Ello supone una falta de profesionales con conocimientos sólidos de
Pinos, 2016), se mostró que entre las principales problemáticas en la gestión del talento
Por otro lado, se tiene que en Ecuador no existe una sinergia entre el líder,
activamente para mejorar el entorno laboral dando como resultado una gestión del
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
Datos y gestión del Big Data, el desarrollo de liderazgo, la falta de compromiso y conciencia
OBJETIVOS
Objetivo general
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
Objetivos específicos
Plantear la situación empresarial actual de Ecuador respecto a cómo son tomadas las
16
MARCO TEÓRICO
Está comprobado que las organizaciones que cuentan con la posibilidad de explorar,
calidad y realizan movimientos estratégicos más seguros y fiables (Torres-Romay & García-
gestión del Big Data y la aplicación de la Ciencia de Datos facilitan a los decisores elegir un
datos basada en la demanda y los costos logísticos hace posible determinar de manera
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
basándose en los datos. Un ejemplo a citar respecto esta industria es Starbucks, una cadena
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
Del mismo modo, Bécares (2016)se presenta a “Netflix como empresa referente a
series y miniseries”. Empresa propuesta como ejemplo a seguir en la gestión del Big Data,
recomendaciones que sugiere los contenidos acordes a las preferencias de los visitantes de
Fundamentación teórica
siguientes conceptos fundamentales: Big Data, Ciencia de Datos, gestión del talento
Arias, Parra Rodríguez, & Beltrán Pascuales,et al. (2019), se conceptualiza el Big Data o datos
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
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
.
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
Chávez, 2015).
; entonces, podría decirse que la dirección de la organización debe centrar sus esfuerzos
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
Entonces, podría decirse que la dirección de la organización debe centrar sus esfuerzos en el
el autor Aguado (2018) (Aguado García, 2018), quien dice que es una metodología y un
las decisiones sobre las personas con el objetivo de potenciar el desempeño de la fuerza
relacionados con el talento humano y los relaciona con los objetivos organizacionales, ello
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
Para ello, además del Human Resources Analytics, se introducen términos como:
representan una herramienta de gran apoyo para analizar grandes cantidades de datos y
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
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,
cursos, registro de los recursos de aprendizaje con acceso más frecuente, resumen de la
2018).
Pasando del modelo analítico descriptivo al predictivo, este último se precisa como
es decir, el análisis predictivo toma datos pasados y actuales y ofrece predicciones de lo que
decidir y comprender los datos que deben recopilarse respondiendo a una pregunta clara
VENTAJAS Y DESVENTAJAS
Entre las ventajas para las organizaciones que administran el talento de sus
ayudado a aliviar varias de las problemáticas citadas en el presente trabajo. Con el método
como de los recursos y, además, se puede obtener información sobre comportamientos del
hacer predicciones sobre el desempeño futuro del talento humano, sino se utilizan para
Por otra parte, al incluir el análisis predictivo como estrategia para aumentar la
estos patrones de datos agregados puede revelar cómo los empleados pueden continuar
camino de cumplir con los requisitos de formación continua; retención del talento mediante
habilidades necesitan los empleados para beneficio del diseño de la formación futura; y,
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.
cualquier organización supone procesos más ágiles con una reducción de costos
y formación personalizados acorde a las carencias y puntos débiles de cada uno de los
productividad.
Figura 1
Percepción beneficios al utilizar HR Analytics
Nota. Datos expresados en una fracción de un total sobre la percepción de las empresas respecto
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
permita eludir errores al momento de recolectar”,. P pero sobre todo resalta a primera vista
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
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.
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
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
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,
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
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
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).
este tipo de soluciones dependerá de diversos factores, entre ellos: si la empresa se inicia en
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.
expertos en Big Data y así mismo la cantidad de horas requeridas para la elaboración de
debido a que ello dependerá de los requerimientos de cada uno y de la satisfacción que se
28
empresas canadienses por Barnia (2018) se confirma que “quienes utilizan estas
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).
respecto, un estudio realizado por McKinsey & Company (2011) “pronosticó una carencia de
190.000, así como de 1,5 millones de analistas con las competencias básicas para el uso de
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
Tabla 1
Demanda de Profesionales en la Ciencia de Datos y Big Data
29
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
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
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
mayormente revelar los resultados que estas han obtenido al aplicar las mencionadas
Connections.
Connections, en donde se hacen preguntas rápidas a los empleados todos los días de
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
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
modelos informáticos en donde juega un papel muy importante el Big Data en Recurso
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
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
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
Luego de interpretar en casos reales, los beneficios evidentes que trae consigo la
intención agobiar al lector con más casos reales y sus tasas de éxito. Al contrario, luego de
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
CONCLUSIONES
CONCLUSIONES
En conclusión, se conoce que todo cambio trae consigo nuevas fuerzas, contingencias
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
cuantitativo para el proceso de toma de decisiones mediante la acción directa sobre los
De forma general, Para los autores Rodríguez et al. (2017) lLa gran mayoría de las
de vida, indicadores de desempeño. Toda esta información , los cuales sin ningún tipo de
(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,
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
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
además de simplificar tareas de gran importancia, es posible generar valor a los procesos y
problemas puntuales de una compañía y que promete revolucionar las estrategias del área
de recursos humanos.
calidad de las contrataciones, la aceleración del proceso de selección, la gestión global del
frenar la rotación, entre otros. Y es que las máquinas, los algoritmos, los métodos
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
para presupuestar este tipo de inversión empresarial. Sin embargo, ya dependerá de los
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
nivel operativo a uno estratégico. Dado que mejorar la calidad de las decisiones que sean
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
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
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
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.
BIBLIOGRAFÍA
Aguado García, D. (2018). HR Analytics: Teoría y práctica para una analítica de recursos
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
Bécares, B. (Agosto de 2016). SiliconWeek. Cómo Netflix y Uber aprovechan los Big Data.
Durán-Pinos, A. (2016). Modelo de Gestión del Talento Humano para la Escuela Superior
Gil González, E. (2015). Big Data, privacidad y protección de datos. España: Boletín oficial del
Estado.
38
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.
McAfee, A., & Brynjolfsson, E. (2012). Big Data: The Management Revolution. Harvard
Business Review.
Montoya Agudelo, C. A., & Boyero Saavedra, M. R. (2016). El Recurso Humano como
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
Ríos Manrique, M., & Ferrer Guerra, J. (2010). El Balanced Scorecard en el área de Recursos
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
Chiclayo.
Serna M., E. (2017). Investigación formativa en Ingeniería (Primera ed.). Medellín: Editorial
Siegel, E. (2013). Analítica predictiva : predecir el futuro utilizando big data. (V. González
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
Investigaciones.
Vicente Vírseda, J. A., González Arias, J., Parra Rodríguez, F. J., & Beltrán Pascual, M. (2019).
https://elibro.net/es/lc/uguayaquil/titulos/122249
Vicente Vírseda, J., González Arias, J., Parra Rodríguez, F. J., & Beltrán Pascuales, M. (2019).
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?
https://www.youtube.com/watch?v=m09MGyFfvTU
41
BIBLIOGRAFÍA
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
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
Bécares, B. (Agosto de 2016). SiliconWeek. Cómo Netflix y Uber aprovechan los Big Data.
Durán Pinos, A. (2016). Modelo de Gestión del Talento Humano para la Escuela Superior Politécnica de
Gil González, E. (2015). Big Data, privacidad y protección de datos. España: Boletín oficial del Estado.
42
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.
https://doi.org/10.15446/innovar.v29n73.78028
Maza, P., Baroja, R., Villagómez, B., & Cadena, M. (2018). CONGRESOS KPMG ECUADOR PRESENTA:EL
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
McKinsey & Company. (2011). Big Data. The Next Frontier for Innovation, Competition, and
Productivity. 156.
Montoya Agudelo, C. A., & Boyero Saavedra, M. R. (2016). El Recurso Humano como elemento
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:
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
Latinoamérica y el Caribe.
Saavedra Vidal, L. (2019). Plan de gestión del talento humano para mejorar el desempeño laboral en
Serna M., E. (2019). Investigación formativa en Ingeniería (Tercera ed.). Medellín: Editorial Instituto
Siegel, E. (2013). Analítica predictiva : predecir el futuro utilizando big data. (V. González León, Trad.)
Anaya Multimedia.
44
Solís-Morejón, V. C., & Llamuca-Pérez, S. L. (Junio de 2020). Indicadores de Gestión del Balanced Score
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
Vallejo Chávez, L. M. (2015). Gestión del talento humano (133 ed., Vol. 17). (L. C. Editores, Ed.)
Vicente Vírseda, J. A., González Arias, J., Parra Rodríguez, F. J., & Beltrán Pascual, M. (2019). Métodos
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