Modelado predictivo para la retención de talento en Solvo Global: un enfoque estratégico con Machine Learning. Semestre de industria

Abstract

RESUMEN : Este proyecto de Solvo Global tiene como objetivo anticipar la rotación de empleados mediante un análisis profundo de los factores que influyen en la probabilidad de renuncia. Con el fin de reducir estratégicamente la tasa de rotación, se exploran patrones y variables críticas. La importancia de prevenir la deserción radica en el óptimo funcionamiento de la empresa y la minimización de costos asociados a la rotación, impactando directamente en el rendimiento en general. Durante el análisis detallado de los datos históricos en Solvo Global, se identificaron varios factores críticos que influyen significativamente en la rotación de empleados. La tasa de rotación ha mostrado un aumento alarmante, pasando del 9.94% en el último trimestre de 2023 al 12.38% en el primer trimestre de 2024. El modelo más destacado alcanzó una recuperación del 69% utilizando un enfoque de aprendizaje supervisado con regresión logística, balanceo de clases y selección de variables mediante el método PCA, acercándose notablemente al objetivo del 70%. Además, se planteó utilizar esta metodología para la detección temprana de casos susceptibles a rotación. Este enfoque integral busca no solo prever la rotación, sino también ofrecer soluciones proactivas para una gestión efectiva del capital humano.