Selección de candidatos para encuestas mediante técnicas de machine learning

Abstract

Las personas encargadas de tomar datos a través de la aplicación de cuestionarios en una encuesta tienen en su poder una gran responsabilidad, dado que, si se presentan errores en la toma de los datos, afectarían el posterior análisis de los resultados, es por esto que muchas empresas dedicadas a la recolección, procesamiento, análisis y presentación de resultados, buscan contratar gente que les permite obtener el menor error posible en el levantamiento de datos a través de las encuestas. Para esto se enfocan en el adecuado proceso de selección del personal, el cual incluye el cumplimiento de requisitos de base, todo tipo de herramientas que les ayude a disminuir el riesgo de seleccionar al personal inadecuado. Debido a esta necesidad, se propone la implementación de modelos de machine learning, que sirvan de soporte al departamento de recursos humanos para la contratación del nuevo personal. Para lograr esta implementación se trabajó con varias variables, por ejemplo, sociodemográficas, también se usó los Key Perfomance Indicators que la empresa utiliza para medir la eficiencia de sus colaboradores, y se implementaron algoritmos de machine learning tales como el Random Forest y el algoritmo K Nearest Neighbors. En el presente proyecto se demostrará que el modelo K Nearest Neighbors es el modelo adecuado para predecir observaciones, de acuerdo con las métricas que se usaron para evaluar la efectividad de este. Este modelo puede ser útil al momento de la toma de decisiones en el departamento de recursos humanos.