Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.espe.edu.ec/handle/21000/14502
Título : Identificar un modelo de Data Mining para desarrollar un análisis predictivo en la administración integral del trabajo y empleo de las empresas ecuatorianas
Director(es): Duque Cruz, Lorena Gueselle
Autor: Ayala Rosero, Edison Javier
Logacho Fernández, Ana Isabel
Palabras clave : MINERÍA DE DATOS
METODOLOGÍA CRISP-DM
PROCESAMIENTO DE LA INFORMACIÓN
SISTEMAS DE INFORMACIÓN
Fecha de publicación : 2018
Editorial: Universidad de las Fuerzas Armadas ESPE. Maestría en Gestión de Sistemas de Información e Inteligencia de Negocios.
Citación : Ayala Rosero, Edison Javier y Logacho Fernández, Ana Isabel (2018). Identificar un modelo de Data Mining para desarrollar un análisis predictivo en la administración integral del trabajo y empleo de las empresas ecuatorianas. Maestría en Gestión de Sistemas de Información e Inteligencia de Negocios. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí.
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.
URI : http://repositorio.espe.edu.ec/handle/21000/14502
Aparece en las colecciones: Maestría en Gestión de Sistemas de Información e Inteligencia de Negocios

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
T-ESPE-057898.pdfTRABAJO DE TITULACIÓN7.25 MBAdobe PDFVisualizar/Abrir
T-ESPE-057898-D.pptxDEFENSA2.17 MBMicrosoft Powerpoint XMLVisualizar/Abrir
T-ESPE-057898-R.pdfRESUMEN20.22 kBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.