Desarrollo de un modelo predictivo basado en aprendizaje de máquina para mejorar el proceso de selección de personal en una empresa de consultoría tecnológica

Abstract

En los últimos años, se ha observado una gran complejidad en el proceso de selección de personal en empresas relacionadas con la consultoría tecnológica. Esto se debe a la gran demanda de candidatos para los puestos en este sector, la alta competencia en términos de conocimientos requeridos y también a los recursos limitados de las empresas contratantes para cumplir con las fechas de entrega de los proyectos. Es debido a ello que en la presente tesis se presenta un modelo predictivo basado en aprendizaje de máquina, con el fin de predecir un conjunto de candidatos que sean más aptos para el puesto de trabajo, y poder plasmar estos resultados en un reporte para el área de RRHH, el cual usará para tomar la decisión final de contratación. Se han evaluado los resultados de la solución, obteniendo métricas de exactitud y precisión que superan el 98%, lo que proporciona seguridad en los resultados obtenidos. De igual manera, se ha evaluado la capacidad para lograr estos resultados en un tiempo mínimo, logrando tiempos de filtrado de candidatos menores a 5 segundos, y también tiempos de generación de reporte menor a 0.1 segundos, ambos tiempos óptimos para el proceso. Por un lado, esta solución logra resolver el problema para la empresa a la que está aplicado, pero, por otro lado, el aporte al campo de conocimiento hace que sea posible replicar este desarrollo a otras empresas del mismo sector dentro del territorio peruano.

In recent years, a great complexity has been observed in the personnel selection process in companies related to technology Consulting. This is due to the high demand of candidates for positions in this sector, the high competition in terms of required knowledge and also to the limited resources of the hiring companies to meet project deadlines. It is because of this that in this thesis a predictive model based on machine learning is presented, in order to predict a set of candidates that are more suitable for the job, and to be able to translate these results into a report for the HR area, which they will use to make the final hiring decision. The results of the solution have been evaluated, obtaining accuracy and precision metrics that exceed 98%, which provides confidence in the results obtained. Likewise, the ability to achieve these results in minimum time has been evaluated, achieving candidate filtering times of less than 5 seconds, and also report generation times of less than 0.1 seconds, both optimal times for the process. On the one hand, this solution manages to solve the problem for the company to which it is applied, but, on the other hand, the contribution to the field of knowledge makes it possible to replicate this development to other companies in the same sector within the Peruvian territory.