UNIVERSIDAD MARIANO GÁLVEZ DE GUATEMALA

Facultad de Ciencias de la Administración

Dirección de Postgrado
Maestría en Gestión Estratégica del Talento Humano
Curso: Reclutamiento y Selección de Personal
Catedrático: Licda. Melissa Sue Aley Avea Sandoval

Investigación:
“Data Analytics”

Georgina Marisol Méndez Mayén

6291-23-12343

Guatemala 29 de julio de 2023

Data Analytics

Cada vez más empresas ven los datos como un factor clave para operar en el presente y
predecir el futuro. Por lo tanto, el concepto de análisis de datos está ganando cada vez más
atención.

Data Analytics es el proceso de recopilar y analizar grandes cantidades de datos de clientes

para sacar conclusiones sobre patrones de comportamiento, intereses personales y tendencias de
compra. El análisis de datos simplifica la toma de decisiones, mejora los procesos comerciales,
mejora la participación de los usuarios, reduce los costos e impulsa el crecimiento y la
rentabilidad. (Cognizant, 2023).

Los principales objetivos del enfoque de análisis de datos son:

 Mejorar la eficiencia del trabajo
 Mejorar y optimizar la experiencia del usuario y la experiencia del cliente.
 Mejorar el modelo de negocio

Metodología
“Los tiempos exigen volver a medir e interpretar la satisfacción de clientes y empleados. Por
eso es importante dar el salto y medir sus experiencias, lo que viven y sienten en cada relación
con las empresas” dice Ryan Prestel, cofundador y director ejecutivo de JadeTrack.

Beneficios Data Analytics

Data Analytics abre nuevas oportunidades de ingresos, un mejor servicio al cliente, un

marketing más efectivo, una mejor eficiencia operativa y una ventaja competitiva real. También
ayuda a las empresas a:
• Anticiparse a las necesidades de sus clientes, optimizar su experiencia de usuario y brindar
servicios altamente personalizados.
• Reducir el fraude y los riesgos comerciales.
 • Informa a los responsables de la toma de decisiones dónde deben funcionar los productos y
servicios para satisfacer mejor las necesidades futuras de los clientes.
• Identifica las áreas comerciales que necesitan mejoras para que las herramientas o los
procesos se modifiquen para abordar estos problemas.
• El análisis descriptivo revela eventos pasados
• Las pruebas de diagnóstico brindan información sobre por qué sucedió algo.
• El análisis predictivo le dice lo que podría suceder en el futuro.
• El análisis prescriptivo indica qué acciones deben tomarse para promover o prevenir
problemas futuros.

Estrategias y prácticas para implementar con éxito el Data Analytics en una empresa.

Basadas en las mejores prácticas de empresas que han implementado con éxito iniciativas de
datos y análisis en sus organizaciones. (Gartner 2023/ IT Roadmap).

1. Visión y estrategia
2. Establecer marco operativo
3. Establecer gobernanza
4. Inteligencia continua
5. Mejora y progresa

La importancia de una gestión de datos eficaz radica precisamente en el valor que puede
obtener de los datos que almacena. Esto requiere la ayuda de plataformas especializadas en
procesamiento de datos.

Herramientas y tecnologías que se pueden utilizar para aplicar el Data Analytics.

Las técnicas de analítica avanzada incluyen análisis de texto, machine learning, visualización,
analítica predictiva, minería de datos, estadísticas y procesamiento de lenguaje natural.
Actualmente existen muchas herramientas, pero las más utilizadas y mejor valoradas son éstas:
  Hadoop. Ideal para almacenar, también realiza funciones de análisis y procesamiento.
 Python. Es un lenguaje avanzado de programación muy fácil de utilizar.
 Apache Spark. Procesa datos a gran velocidad.
 Mongodb. Almacena datos en documentos, no en registros como el resto de las
herramientas.
 Elastisearch. Indexa y analiza grandes volúmenes de datos en tiempo real.
 Apache Storm. Procesa en tiempo real información de redes sociales.
 Microsoft Power BI: Es la herramienta analítica de Microsoft y una de las más populares,
ya que ofrece visualizaciones interactivas de datos, así como una integración sencilla con
otras herramientas de la corporación.
 Programación en R: Se utiliza principalmente para el modelado de datos y estadísticas.
Esta herramienta es muy fácil de usar y hace posible y fácil manipular y presentar los
datos de muchas maneras.
 Excel: Es una herramienta bastante básica, aunque muy versátil y se utiliza en
prácticamente todas las industrias. Esta herramienta juega un gran papel cuando deben
analizarse los datos internos de un cliente.
 Tableau Public: Es un software gratuito que conecta diferentes fuentes de datos, como
Microsoft Excel, Data Warehouse, datos basados en la web, etc. y crea dashboards, mapas
y visualizaciones de datos que tienen actualizaciones en tiempo real desde la web.
 Qlik View: Procesamiento de datos en memoria y la tecnología patentada para ayudarle a
ejecutar su resultado rápidamente y almacenar todos los datos que están presentes en el
informe.

Casos de éxito y buenas prácticas de empresas que han implementado el Data Analytics.

La Data Analytics, permite a las empresas saber cuál es el siguiente paso. Descubrir patrones
de gasto les brinda una visión clara del mercado para que puedan tomar decisiones inteligentes y
seguras.

1. Amazon
 Cuando una persona contacta a servicio al cliente con una solicitud o consulta, el empleado
que responde ya tiene en su pantalla toda la información sobre el consumidor: qué productos
busca, cuáles ha comprado, en qué momento del día, etc.

Amazon es el rey del ecommerce porque ha adoptado tecnología de vanguardia para recopilar,
analizar y utilizar la gran cantidad de datos a los que tiene acceso en función del historial de
búsqueda y compra de una persona. Por lo tanto, son los mejores en temas como la optimización
de la cadena de suministro, la optimización de precios y la detección de fraudes.

2. Netflix
Con casi 100 millones de usuarios, los analistas de datos de Netflix recopilan y analizan
grandes cantidades de datos relacionados con el comportamiento de los usuarios: géneros
buscados, número de episodios seguidos, tiempo dedicado a ver algo, etc.

3. Apple
Gracias al análisis de datos, Apple pudo posicionarse no solo como la mejor empresa de
tecnología, sino también como uno de los clientes más fieles del mundo. Gracias a la amplia
gama de aplicaciones que han lanzado al mercado, está recopilando más datos de clientes que
nunca. Así, las apps conocen a sus usuarios y la experiencia es cada vez más personalizada, al
punto de que no puedan vivir sin sus productos Apple.

4. Coca - Cola
Coca-Cola también recopila y analiza datos generados por 105 millones de seguidores en
Facebook y 35 millones en Twitter. Con una base de comunicación tan amplia, la empresa puede
tener una imagen clara de cómo se perciben sus productos en diferentes países, qué personas los
consumen, dónde, en qué condiciones y qué tan leales son al producto

5. Starbucks
Esta empresa de café utiliza Data Analytics para determinar el éxito potencial de cada nueva
tienda que abre. Recopilan información sobre la ubicación, el tráfico, la demografía y el
comportamiento del consumidor.
 Hacer este tipo de evaluación antes de abrir una tienda significa que Starbucks puede hacer
una estimación bastante precisa de la tasa de éxito y elegir ubicaciones en función del
crecimiento de los ingresos.

Análisis crítico de los desafíos y limitaciones del Data Analytics

Como podemos ver, Data Analytics representa un cambio y un avance enorme en la forma en
que las empresas hacen negocios, pero debemos decir que no todo son buenas noticias; también
existen algunos desafíos.

 Organización de los datos: El trabajo comienza con el método de alimentación de la

plataforma analítica. Si los datos no se procesan correctamente, los resultados no serán
fiables. Y cuando se trata de grandes cantidades de datos, el riesgo es mayor, por ello
debe ser supervisada.
 Seleccionar la tecnología adecuada: No toda la tecnología sirve a todas las empresas.
Antes de implementarla, se debe considerar una serie de factores, entre ellos las
necesidades presentes y futuras de la organización, el presupuesto asignado a este
rubro.
 Almacenamiento: A medida que la recepción de datos va creciendo, el
almacenamiento tiene que ser capaz de seguir recibiendo información.
 Seguridad: Buena parte de la información que se maneja es confidencial,
especialmente teléfonos, cuentas bancarias o contraseñas de clientes y de la propia
empresa. Y esos datos son los más vulnerables a ciberataques.
 Escasez de profesionales de Data Analytics: Los datos por sí solos no son útiles.
Para obtener información valiosa de ellos es necesario contar con un equipo de
analistas de datos altamente profesional.

¿Cuáles son los beneficios del Data Analytics para el proceso de Reclutamiento de
Personal?
 Los desafíos laborales actuales, como el aumento de la rotación, la creciente escasez de
habilidades y la continua escasez de mano de obra, han afectado a casi todas las industrias.

Los empresarios tienen que completar una gran cantidad de tareas en poco tiempo sin
comprometer la calidad. Si no se cubren estos puestos, se pueden generar costosas demoras en la
producción, mayores brechas de seguridad y menor calidad del producto. En un momento en que
muchas empresas aún intentan recuperarse de la pandemia mundial, la mayoría de los
empresarios buscan formas de controlar los costos, no de aumentarlos. (Correa, 2023)

Gracias a los avances en la tecnología de la información, incluida la inteligencia artificial y el

aprendizaje automático, las organizaciones tienen acceso a grandes cantidades de datos que, si se
analizan adecuadamente, pueden mejorar la contratación, especialmente para los empleadores
con una gran demanda de talento. Esta estrategia, conocida como People Analytics, le permite
alinear las actividades comerciales y de reclutamiento para mejorar los resultados de
reclutamiento.

 Capacidad de abastecimiento de candidatos de alta calidad

 Acelerar el proceso de contratación
 Reducir los costes generales de contratación
 Aumentar los índices de retención de talentos
 Mejorar la contratación de los empleados
 Aumentar los índices de productividad
 Mejorar la gestión de la planificación del personal

¿Cómo se puede medir el éxito de una estrategia de Data Analytics en Reclutamiento de

Personal?

Pocos departamentos se ocupan de información tan importante como la gestión de recursos

humanos. Estos profesionales trabajan con todo tipo de datos, gestionar estos datos requiere cada
vez más tiempo. Estamos hablando del uso de Data Analytics en recursos humanos.
 De hecho, la empresa afirma que la tasa actual de crecimiento de datos es "imposible de
manejar" con las infraestructuras tradicionales. Afortunadamente, la introducción de sistemas
Data Analytics en RRHH abre la puerta a una gestión más eficaz.

De la mano de la transformación digital, los responsables de RRHH. pueden simplificar sus

tareas en esta sección sin perder información relevante. Esta es claramente una tendencia
creciente y las principales empresas ya están utilizando estas herramientas:

 Mejor reconocimiento de perfil. Use análisis para encontrar candidatos potenciales,

talento con ideas nuevas e identificar los que no cumplen con el perfil.
 Anticiparse a la competencia. El análisis de datos representa el conocimiento aplicado a
las personas que benefician a la empresa.
 Medir la satisfacción laboral. Puede evaluar la motivación, la productividad y las
expectativas de los empleados.
 Fortalece los recursos humanos. Este departamento dedica el 80% de su tiempo a
actividades administrativas. Con un buen análisis de datos, este tiempo se puede utilizar
para mejorar la capacitación, el reclutamiento y otras áreas.
Conclusión

Hoy en día, el entorno empresarial se define por dos conceptos: competitividad y cambio
constante. Para mantenerse informada y a la vanguardia, la organización debe comprender los
patrones, las tendencias y las preferencias del mercado, comprender el comportamiento de los
clientes, la competencia y tomar decisiones estratégicas basadas en datos precisos.

Actualmente, una gran cantidad de información proviene de fuentes tradicionales: su

inventario, balances, datos de ventas, y también de Internet, al implementar Data Analytics esta
información se puede convertir en información valiosa que los ayudará a tomar decisiones
inteligentes, mejorar la eficiencia operativa y brindar mejores soluciones y experiencias a sus
clientes.

Recolectar, procesar, almacenar y analizar esta gran cantidad de datos es posible gracias al
análisis de Data Analytics, que es una gran herramienta tecnológica, pero no perfecta. Los
desafíos involucrados van desde la recopilación y gestión de datos hasta la disponibilidad de
personal capacitado.

Para las empresas que implementa tecnología, la combinación de fuentes de datos internas y
externas, facilitará la estructura y el análisis de los datos, también ayuda a tomar decisiones
adecuadas. Sin embargo, aún quedan retos muy importantes por resolver en la gestión de datos y
especialmente en las estrategias corporativas de Data Analytics
.
La digitalización ha aumentado considerablemente la información disponible para las
organizaciones y esto ha obligado a las empresas a ver los datos como una herramienta para el
crecimiento empresarial.
Referencias

Alejandra Correa (2022) ¿Cómo implementar Data Analytics en tu empresa?

https://codster.io/blog/data-analytics-empresas-ejemplos/ Blvd. Miguel de Cervantes
Saavedra 169, Col. Granada, Alcaldía Miguel Hidalgo, Ciudad de México, C.P. 11520

Itziar Reparaz (2023) Data Analytics/ https://www.cognizant.com/es/es/glossary/data-analytics /

España 2023/

Maximiliano Schellhas (03 abril 2023) https://www.randstad.com.ar/empleos-talento/estrategia-

gestion-rrhh/uso-datos-construir-un-proceso-reclutamiento-eficiente/ director general de
staffing, key accounts & inhouse services/

https://www.iic.uam.es/innovacion/herramientas-big-data-para-empresa/