Identificar un modelo de Data Mining para desarrollar un análisis predictivo en la administración integral del trabajo y empleo de las empresas ecuatorianas

Abstract

El Ministerio del Trabajo al ser la institución rectora de las políticas de trabajo y empleo a través de las Inspectorías de Trabajo a nivel nacional realiza inspecciones a las empresas ecuatorianas del sector privado con el fin de promover y garantizar el cumplimiento de la normativa legal vigente en el ámbito laboral por parte de las empresas hacia los empleados. El Ministerio pone a disposición de las empresas sistemas transaccionales como SAITE, SINACOI y SGI, los mismos que generan grandes cantidades de información que se almacenan en un único repositorio para luego someterlos a un análisis y el resultado que se obtiene sea un apoyo para la toma de decisiones a las autoridades del Ministerio. El proyecto de tesis presenta el resultado de la investigación realizada para identificar un modelo de data mining con la finalidad de desarrollar un análisis predictivo en la administración integral del trabajo y empleo de las empresas ecuatorianas, así como reconocer los patrones de comportamiento que se tienen las empresas en la contratación de talento humano. La metodología Kimball nos guía en la construcción del data warehouse, los datos que se almacenan en el data warehouse nos sirve como insumo para determinar el modelo predictivo de minería de datos el cual es determinado con la aplicación de la metodología CRISP-DM en todas sus seis fases. Knime es la herramienta elegida para construir los modelos, las técnicas aplicadas son: árboles de decisión, regresión logística y redes neuronales para predecir si una empresa debe ser inspeccionada o no inspeccionada, de igual manera para determinar los patrones de comportamiento en la contratación del talento humano se utiliza reglas de asociación.