Modelo predictivo de cese de personal mediante People Analytics

[Kiara_isumi]

Tema: Modelo predictivo de cese de personal mediante People Analytics: una herramienta de apoyo a la gestión de Recursos Humanos en la Caja Municipal de Ahorro y Crédito Huancayo

Integrantes:
- Alvarez Barrionuevo, Kiara Isumi
- Renojo Ccora, Joel Denyz
- Aguirre Zegarra, Mijael
- Paco Cornejo, Alexander Vladimir

Resumen:
La rotación de personal representa un costo oculto significativo en instituciones microfinancieras. Este trabajo desarrolla un modelo de People Analytics para predecir el cese de colaboradores en una Caja Municipal de Ahorro y Crédito (CMAC) peruana, usando datos históricos de 4,646 colaboradores con 34 variables. Se compararon cuatro algoritmos de clasificación: regresión logística, árbol CART, Random Forest y Gradient Boosting.

El modelo de Gradient Boosting obtuvo el mejor desempeño (exactitud 0.951, F1-score 0.910, AUC 0.948), identificando la modalidad contractual, el tamaño de cartera, las vacaciones pendientes y los memorándums como principales determinantes del cese. Aplicado sobre la población completa, permitió clasificar a los colaboradores en niveles de riesgo, identificando 1,148 casos prioritarios (24.7%) para intervenciones de retención.

Palabras clave: People Analytics, rotación de personal, Gradient Boosting, microfinanzas, recursos humanos