
Tecnologías Big Data, Minería de Datos y Analítica aplicada a la gestión de Recursos Humanos
contiene: un caso de estudioBy Mg. Agustín María OrlandiLength4h 29m
About this audiobook
La utilización de la tecnología big data y analítica aplicada a la gestión de recursos humanos, people analytics, indica que la empresa desea obtener, procesar, analizar e interpretar información, con el propósito de mejorar las decisiones que se toman en el ámbito de la gestión del capital humano. Se está cambiando la naturaleza básica de la gestión del capital humano para que evolucione desde un rol transaccional a uno en donde su contribución estratégica se vuelve crucial.
El área de recursos humanos debe pasar de una etapa en donde las decisiones se toman a partir de la intuición, a otra en donde las decisiones surgen del proceso inteligente de evidencias: la etapa de big data, data mining y analítica aplicada a la gestión de recursos humanos. Esta investigación apunta de manera directa a brindar las herramientas, técnicas y enfoques que faciliten dicha transición, asegurando de este modo el rol estratégico del área. Actualmente, los avances tecnológicos son utilizados en todos los sectores de las empresas, es la oportunidad de mejorar la capacidad para tomar decisiones basadas en el procesamiento inteligente de la información.
Audiobook details
GenreBusiness and Economics
Length4 hrs 29 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateAug 2, 2024
LanguageSpanish
Table of contents
1Introduction
2CAPÍTULO 1: INTRODUCCIÓN
31.1 INTRODUCCIÓN AL TEMA
41.2 FUNDAMENTACIÓN Y ANTECEDENTES
51.3 DESCRIPCIÓN DEL PROBLEMA Y/O PREGUNTA SIN RESPUESTA ABORDADOS
Show all chaptersShow less
61.4 PREGUNTA DE INVESTIGACIÓN
71.5 HIPÓTESIS
81.6 OBJETIVOS DE LA INVESTIGACIÓN
91.7 METODOLOGÍA
10CAPÍTULO 2: MARCO TEÓRICO
112.1 CRITERIOS DE ÉXITO
122.1.1 ANÁLISIS FODA
132.1.2 RECURSOS FINANCIEROS ADMINISTRADOS POR LA DIRECCIÓN DE RECURSOS HUMANOS
142.1.3 RECURSOS NO FINANCIEROS ADMINISTRADOS POR LA DIRECCIÓN DE RECURSOS HUMANOS
152.2 SISTEMAS DE SOPORTE DE DECISIÓN (SSD)
162.3 GESTORES DE BASE DE DATOS (SGBD): 2.3.1 CONCLUSIÓN
172.4 CLASIFICACIÓN DE BASES DE DATOS (SGBD)
182.5 BIG DATA
192.5.1 OBJETIVO DEL BIG DATA
202.5.2 ¿QUÉ DATOS UTILIZA BIG DATA?
212.5.3 CASOS DE EJEMPLIFICADORES, PORQUÉ BIG DATA
222.5.4 TÉCNICA DE SISTEMATIZACIÓN DE INFORMACIÓN DE BIG DATA
232.5.5 COMO SE IMPLEMENTA BIG DATA
242.5.6 BIG DATA APLICADO EN LA GESTIÓN DE RECURSOS HUMANOS
252.5.7 APRENDIZAJE AUTOMÁTICO (MACHINE LEARNING)
262.6 BODEGA DE DATOS (DATA WAREHOUSE)
272.7 DEFINICIÓN DE ETL
282.8 MINERIA DE DATOS (DATAMINING)
292.8.1 OBJETIVO DE LA MINERÍA DE DATOS
302.8.2 TIPOS DE MINERÍA DE DATOS
312.8.2.1 PREDICCIÓN
322.8.2.2 AGRUPACIÓN
332.8.2.3 FUNCIONES Y TAREAS DE LA MINERÍA DE DATOS
342.8.2.3.1 MINERÍA DE DATOS SUPERVISADA
352.8.2.3.1.1 KNN VECINOS MÁS CERCANOS
362.8.2.3.1.2 MÁQUINAS DE SOPORTE VECTORIAL
372.8.2.3.2 MINERÍA DE DATOS NO SUPERVISADA
382.8.2.3.2.1 CLUSTERING
392.8.2.3.2.2 K-MEANS
402.8.2.3.3 TÉCNICAS DE MINERÍA DE DATOS
412.8.2.3.3.1 REDES NEURONALES
422.8.2.3.3.2 ALGORITMO DE RED NEURONAL DE SQL (MICROSOFT)
432.8.2.3.3.3 AGRUPAMIENTO O CLUSTERING
442.8.2.3.3.4 CLASIFICACIÓN
452.8.2.3.3.5 REGRESIÓN
462.8.2.3.3.6 ÁRBOLES DE DECISIÓN
472.8.2.3.4 TIPOS DE MODELOS PARA ANÁLISIS PREDICTIVOS
482.8.2.3.4.1 MODELOS PREDICTIVOS
492.8.2.3.4.2 MODELOS DESCRIPTIVOS
502.8.2.3.4.3 MODELOS DE DECISIÓN