Inteligencia de negocios para la gerencia I
Caso de estudio: Datos para comprender el talento
Menú
Introducción al caso Talentia Global
Talentia Global y el desafío analítico
Talentia Global ha iniciado un proceso de fortalecimiento de su área de talento humano mediante el uso de inteligencia de negocios. Sin embargo, los líderes han detectado alertas en indicadores como rotación y ausentismo, sin claridad sobre cómo interpretar los datos disponibles.
Planteamiento del problema (ABP)
¿Cuál es el problema central?
El sistema de Business Intelligence [inteligencia de negocios] ha generado reportes con variaciones preocupantes, pero el equipo no logra analizarlos debido a que:
• No distingue tipologías de datos. • No clasifica adecuadamente las fuentes. • Desconoce qué método de captura es adecuado para complementar el análisis.
Este caso se articula con el Resultado de Aprendizaje 1, ya que requiere identificar tipologías de datos, clasificar fuentes de información y analizar métodos de captura en un contexto organizacional.
Datos disponibles en Talentia Global
Información inicial del caso: La empresa cuenta con datos organizacionales como:
• Registros de ausentismo. • Indicadores numéricos de desempeño. • Encuestas de clima laboral. • Entrevistas de salida.
Tipologías de datos del caso
Identificación de tipologías de datos: El estudiante debe clasificar los datos disponibles en Talentia Global:
• Registros de ausentismo. • Comentarios abiertos de encuestas de clima. • Resultados numéricos de desempeño. • Entrevistas de salida en audio.
Clasificación de fuentes internas y externas
Fuentes de datos internas y externas: El estudiante debe identificar y clasificar las siguientes fuentes:
• Sistema de información de RRHH. • Plataforma interna de clima laboral. • Estudios externos del mercado laboral. • Entrevistas realizadas por consultores asociados.
Evaluación de confiabilidad de las fuentes
Calidad y validez del dato: No todas las fuentes tienen el mismo nivel de precisión. El estudiante debe considerar:
• Consistencia. • Actualidad. • Posible sesgo. • Pertinencia para el problema analizado.
Métodos de captura de datos en el caso
¿Qué métodos de captura son necesarios?
Para comprender la rotación, el estudiante debe evaluar qué métodos permiten obtener información precisa. Se presentan opciones como:
• Encuestas estructuradas. • Entrevistas semiestructuradas. • Formularios digitales de autogestión. • Minería de datos del sistema BI.
Formulación de hipótesis analíticas
Construcción de hipótesis analíticas
El estudiante debe formular hipótesis que expliquen la situación de Talentia Global integrando:
Datos numéricos
Datos textuales
• Tipología de datos identificada.• Nivel de confiabilidad de las fuentes. • Métodos de captura aplicables.
Análisis
Datos de audio
Datos estructurados
Síntesis de hallazgos y propuesta inicial
Síntesis y propuesta basada en el análisis
El estudiante revisa cómo las decisiones tomadas sobre tipologías, fuentes y métodos permiten construir un diagnóstico preliminar. A partir de ello, debe proponer una solución inicial basada en evidencia, que podría incluir:
• Mejorar los instrumentos de captura cualitativa.• Integrar datos de desempeño con datos de clima laboral. • Implementar controles de calidad de datos para RRHH.
La solución propuesta se fundamenta en la aplicación de los saberes del RA1 relacionados con la clasificación de datos, fuentes y métodos de captura.
Referencias
Alkhayyat, R., Erturk, F., & Safi, M. y Abdalan, F. (2024). Implementation of Business Intelligence and analytics in HR for sustainability goals. Proceedings of the International Conference on Business Analytics, 101, 22‑35.
https://www.researchgate.net/publication/381389866_Implementation_of_Business_Intelligence_and_Analytics_in_Human_Resource_Management_as_a_Core_Competency_for_Sustainability
Balje, D. (2023). Human Resource Management and Business Intelligence: The impact of BI systems on HR performance in small and medium enterprises. Knowledge International Journal, 60(1), 101–106. https://ojs.ikm.mk/index.php/kij/article/view/6248
Bataweel, D. (2015). Business Intelligence: Evolution And Future Trends (Master’s thesis, North Carolina Agricultural and Technical State University). Repositorio de North Carolina Agricultural and Technical State University. https://digital.library.ncat.edu/theses/283
Femenía, C. (2024). Revisión de la literatura sobre People Analytics y su aplicación en Recursos Humanos [Trabajo final de maestría, Universidad obrera de Cataluña]. Repositorio Universidad obrera de Cataluña. https://openaccess.uoc.edu/server/api/core/bitstreams/4f0f9177-700d-4c83-b115-1252d01ab58b/content
Contenido 1_Caso de estudio: Datos para comprender el talento
Griky Kontent
Created on April 27, 2026
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Smart Presentation
View
Practical Presentation
View
Essential Presentation
View
Akihabara Presentation
View
Flow Presentation
View
Terrazzo Presentation
View
Dynamic Visual Presentation
Explore all templates
Transcript
Inteligencia de negocios para la gerencia I
Caso de estudio: Datos para comprender el talento
Menú
Introducción al caso Talentia Global
Talentia Global y el desafío analítico
Talentia Global ha iniciado un proceso de fortalecimiento de su área de talento humano mediante el uso de inteligencia de negocios. Sin embargo, los líderes han detectado alertas en indicadores como rotación y ausentismo, sin claridad sobre cómo interpretar los datos disponibles.
Planteamiento del problema (ABP)
¿Cuál es el problema central?
El sistema de Business Intelligence [inteligencia de negocios] ha generado reportes con variaciones preocupantes, pero el equipo no logra analizarlos debido a que:
• No distingue tipologías de datos. • No clasifica adecuadamente las fuentes. • Desconoce qué método de captura es adecuado para complementar el análisis.
Este caso se articula con el Resultado de Aprendizaje 1, ya que requiere identificar tipologías de datos, clasificar fuentes de información y analizar métodos de captura en un contexto organizacional.
Datos disponibles en Talentia Global
Información inicial del caso: La empresa cuenta con datos organizacionales como:
• Registros de ausentismo. • Indicadores numéricos de desempeño. • Encuestas de clima laboral. • Entrevistas de salida.
Tipologías de datos del caso
Identificación de tipologías de datos: El estudiante debe clasificar los datos disponibles en Talentia Global:
• Registros de ausentismo. • Comentarios abiertos de encuestas de clima. • Resultados numéricos de desempeño. • Entrevistas de salida en audio.
Clasificación de fuentes internas y externas
Fuentes de datos internas y externas: El estudiante debe identificar y clasificar las siguientes fuentes:
• Sistema de información de RRHH. • Plataforma interna de clima laboral. • Estudios externos del mercado laboral. • Entrevistas realizadas por consultores asociados.
Evaluación de confiabilidad de las fuentes
Calidad y validez del dato: No todas las fuentes tienen el mismo nivel de precisión. El estudiante debe considerar:
• Consistencia. • Actualidad. • Posible sesgo. • Pertinencia para el problema analizado.
Métodos de captura de datos en el caso
¿Qué métodos de captura son necesarios?
Para comprender la rotación, el estudiante debe evaluar qué métodos permiten obtener información precisa. Se presentan opciones como:
• Encuestas estructuradas. • Entrevistas semiestructuradas. • Formularios digitales de autogestión. • Minería de datos del sistema BI.
Formulación de hipótesis analíticas
Construcción de hipótesis analíticas
El estudiante debe formular hipótesis que expliquen la situación de Talentia Global integrando:
Datos numéricos
Datos textuales
• Tipología de datos identificada.• Nivel de confiabilidad de las fuentes. • Métodos de captura aplicables.
Análisis
Datos de audio
Datos estructurados
Síntesis de hallazgos y propuesta inicial
Síntesis y propuesta basada en el análisis
El estudiante revisa cómo las decisiones tomadas sobre tipologías, fuentes y métodos permiten construir un diagnóstico preliminar. A partir de ello, debe proponer una solución inicial basada en evidencia, que podría incluir:
• Mejorar los instrumentos de captura cualitativa.• Integrar datos de desempeño con datos de clima laboral. • Implementar controles de calidad de datos para RRHH.
La solución propuesta se fundamenta en la aplicación de los saberes del RA1 relacionados con la clasificación de datos, fuentes y métodos de captura.
Referencias
Alkhayyat, R., Erturk, F., & Safi, M. y Abdalan, F. (2024). Implementation of Business Intelligence and analytics in HR for sustainability goals. Proceedings of the International Conference on Business Analytics, 101, 22‑35.
https://www.researchgate.net/publication/381389866_Implementation_of_Business_Intelligence_and_Analytics_in_Human_Resource_Management_as_a_Core_Competency_for_Sustainability
Balje, D. (2023). Human Resource Management and Business Intelligence: The impact of BI systems on HR performance in small and medium enterprises. Knowledge International Journal, 60(1), 101–106. https://ojs.ikm.mk/index.php/kij/article/view/6248
Bataweel, D. (2015). Business Intelligence: Evolution And Future Trends (Master’s thesis, North Carolina Agricultural and Technical State University). Repositorio de North Carolina Agricultural and Technical State University. https://digital.library.ncat.edu/theses/283
Femenía, C. (2024). Revisión de la literatura sobre People Analytics y su aplicación en Recursos Humanos [Trabajo final de maestría, Universidad obrera de Cataluña]. Repositorio Universidad obrera de Cataluña. https://openaccess.uoc.edu/server/api/core/bitstreams/4f0f9177-700d-4c83-b115-1252d01ab58b/content