
HR ANALYTICS
Gestión de personas, datos y decisionesBy Juan BodenheimerLength6h 49m
About this audiobook
HR Analytics no es una moda o tendencia, Es el tema clave del presente y el futuro de la gestión de personas que llegó para quedarse. Por lo mismo, la obra se vuelve indispensable en el momento cuando el negocio le exige al profesional de la gestión humana datos y números que justifiquen las opiniones y propuestas del área, además de permitirle demostrar de manera importante el impacto que provoca el buen manejo de los recursos humanos en el negocio.
Audiobook details
GenreTechnology, Business and Economics
Length6 hrs 49 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateMay 30, 2018
LanguageSpanish
Table of contents
1HR Analytics
2Bodenheimer, Juan
3Empresas del grupo:
4Mensaje del editor
5Juan Marcelo Bodenheimer
Show all chaptersShow less
6los procesos, métodos y arquitectura del área de Gestión Humana de una
7No es un asunto que se nombre frecuentemente en la literatura del
8Sociales del Trabajo para luego sorprenderse por disciplinas poco nombradas
9También desde la perspectiva del software hay cambios significativos. El
1012 | Capítulo 2 ● Datos, organizaciones y HR ______________________
11Fueron así desarrollándose nuevas aplicaciones que iban más allá del
12Información de Recursos
1316 | Capítulo 2 ● Datos, organizaciones y HR ______________________
14La Era de Costo-Efectividad (1980 a los principios de los 90)
15Impulsor y producto de la globalización e innovación en tecnología, Internet no
16No se puede ignorar el impacto del Cloud Computing, término frecuente
17A nivel de sistemas de HRIS, el espacio que ocupan sistemas basados
18Esto también posibilita una relación diferente de los empleados de la
19Cómo generar análisis que permitan una auténtica comprensión de los
20(American National Standars Institute), la arquitectura “es la organización
2128 | Capítulo 2 ● Datos, organizaciones y HR ______________________
22Otra alternativa de arquitectura es la llamada modular, modelo que se
23En este sentido, lo primero que debemos hacer es diferenciar bases de
244 Traducción del autor.
25Hammerbacher, en su momento miembros de Linkedin y Facebook
26Esto comprende por una parte constancia y perseverancia: ese impulso
27Poblaciones y Muestras (¿y en Big Data?)
28DATA MINING
29El Data Mining nos abre el campo de los modelos o enfoques
30Escalabilidad:
31No siempre los datos están almacenados en una localización única o
32El análisis estadístico tradicional, o la utilización del mismo como
33CAPÍTULO 4 MEJORES PREGUNTAS GENERAN MEJORES RESPUESTAS
34Es importante prestar especial atención al modo en que fue cambiando
35Tiene una clara visión/estrategia para el equipo
36Se creó una nueva encuesta de feedback denominada UFS (Upward
37Otro ejemplo para pensar modelos predictivos para seleccionar talento
38Identificar Canales y Prácticas Efectivas de Selección y Reclutamiento
39Al pensar en temas de evaluación de la capacitación nos vemos
40Un referente de la evaluación de la capacitación dice en cada
41Predicción de empleados con probabilidad de renuncia (Churn)
42Employee Value Proposition, propuesta de valor para el empleado) apropiada.
43Impacto de Beneficios en Indicadores de Negocio
44Menos viaje para los empleados
453 leaves-out-much-of-the-real-story/2011/10/11/gIQAMA1cdL_story.html
46La profesión formalmente es reciente y no posee la historia de
4798 | Capítulo 5 ● Desafíos para la implementación __________________
48Analistas (profesionales y amateurs)
49Es momento de atender a la discusión respecto de cómo repensar la
50Las alternativas podrían sintetizarse en dos tendencias principales: incorporar