Uno Proyecciones temporales para la planificación estratégica en recursos humanos
DOI:
https://doi.org/10.20397/2177-6652/2025.v25i5.3171Palabras clave:
Time series, absenteeism, ARIMA, Holt-Winters, SARIMA, HR planningResumen
Objetivo: El objetivo de este estudio es explorar el uso de modelos de proyección de se-
ries temporales para predecir el ausentismo laboral en Recursos Humanos (RR. HH.). Se busca comparar diferentes modelos para mejorar la planificación de acciones y la toma de decisiones organizacionales.
Metodología/Métodos de procedimiento: Esta investigación emplea un enfoque cuanti- tativo, utilizando modelos de series temporales como ARIMA, Holt-Winters y SARIMA. Estos modelos se aplican para predecir el ausentismo laboral en RR. HH., demostrando las fortalezas y limitaciones de cada uno en el contexto de la planificación organizacional.
Originalidad/Relevancia: Este estudio aborda la brecha en la aplicación teórica de las proyecciones de series temporales en el campo de los RR. HH., centrándose específicamente en la predicción del ausentismo laboral. Contribuye a la relevancia académica al proporcionar información sobre la utilidad práctica de los modelos de series temporales para la toma de decisiones en RR. HH., un área poco explorada.
Resultados principales: Los resultados indican que la proyección de series temporales es una herramienta poderosa para mejorar la toma de decisiones de RR. HH., ofreciendo in- formación valiosa sobre las tendencias de ausentismo y la productividad organizacional. La comparación de los modelos ARIMA, Holt-Winters y SARIMA destaca sus respectivas venta- jas y limitaciones.
Contribuciones teóricas/metodológicas: Este estudio aporta contribuciones significati- vas al comparar varios modelos de series temporales en el contexto de la predicción del ausen- tismo. Ofrece una comprensión clara de qué modelo funciona mejor en escenarios específicos de RR. HH. y proporciona métricas para evaluar su éxito.
Contribuciones sociales/gerenciales: Los hallazgos tienen implicaciones directas para los gerentes de RR. HH., proporcionándoles herramientas prácticas para predecir el ausentismo y planificar de forma más eficaz, mejorando así la productividad organizacional y mitigando posibles desafíos.
Palabras clave: Series temporales, ausentismo, ARIMA, Holt-Winters, SARIMA, plan- ificación de RR. HH.
Citas
Alcoforado, L. (2021) Utilizando a linguagem R. Alta Books.
Bandeira, S. G., Alcalá, S. G. S., Vita, R. O., & Barbosa, T. M. G. D. A. (2020). Comparison of selection and combination strategies for demand forecasting methods. Production, 30, e20200009. https://doi.org/10.1590/0103-6513.20200009
Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2016). Time series analysis: Forecasting and control (Fifth edition). John Wiley & Sons, Inc.
Chapman, P., & et al. (2000). CRISP-DM 1.0 Step-by-step data mining guide.
Chatfield, C. (1978). The Holt-Winters Forecasting Procedure. Applied Statistics, 27(3), 264. https://doi.org/10.2307/2347162
Cho, W., Choi, S., & Choi, H. (2023). Human Resources Analytics for Public Personnel Management: Concepts, Cases, and Caveats. Administrative Sciences, 13(2), 41. https://doi.org/10.3390/admsci13020041
Edwards, M. R., & Edwards, K. (2019). Predictive HR analytics: Mastering the HR metric (Second edition). Kogan Page.
Gardner, E. S. (1985). Exponential smoothing: The state of the art. Journal of Forecasting, 4(1), 1–28. https://doi.org/10.1002/for.3980040103
Hamilton, J. D. (1994). Time series analysis. Princeton University Press.
Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (Third print edition). O texts, Online Open-Access Textbooks.
Margherita, A. (2022). Human resources analytics: A systematization of research topics and directions for future research. Human Resource Management Review, 32(2), 100795. https://doi.org/10.1016/j.hrmr.2020.100795
Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3–26. https://doi.org/10. 1080/09585192.2016.1244699
Peeters, T., Paauwe, J., & Van De Voorde, K. (2020). People analytics effectiveness: Developing a framework. Journal of Organizational Effectiveness: People and Performance, 7(2), 203–219. https://doi.org/10.1108/JOEPP-04-2020-0071
Polzer, J. T. (2022). The rise of people analytics and the future of organizational research. Research in Organizational Behavior, 42, 100181. https://doi.org/10.1016/j.riob.2023. 100181
Rasmussen, T. H., Ulrich, M., & Ulrich, D. (2024). Moving People Analytics From Insight to Impact. Human Resource Development Review, 23(1), 11–29. https://doi.org/10.1177/15344843231207220
Tursunbayeva, A., Di Lauro, S., & Pagliari, C. (2018). People analytics—A scoping review of conceptual boundaries and value propositions. International Journal of Information Management, 43, 224–247. https://doi.org/10.1016/j.ijinfomgt.2018.08.002
Waters, S. D., Streets, V. N., McFarlane, L., & Johnson-Murray, R. (2018). The practical guide to HR analytics: Using data to inform, transform, and empower HR decisions (First edition). SHRM, Society for Human Resource Management.
Winters, P. R. (1960). Forecasting Sales by Exponentially Weighted Moving Averages. Management Science, 6(3), 324–342. https://doi.org/10.1287/mnsc.6.3.324
Xu, H., Yu, Z., Yang, J., Xiong, H., & Zhu, H. (2019). Dynamic Talent Flow Analysis with Deep Sequence Prediction Modeling. IEEE Transactions on Knowledge and Data Engineering, 31(10), 1926–1939. https://doi.org/10.1109/TKDE.2018.2873341
Zhu, X., Seaver, W., Sawhney, R., Ji, S., Holt, B., Sanil, G. B., & Upreti, G. (2017). Employee turnover forecasting for human resource management based on time series analysis. Journal of Applied Statistics, 44(8), 1421–1440. https://doi.org/10.1080/02664763. 2016.1214242
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista Gestão & Tecnologia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Os direitos, inclusive os de tradução, são reservados. É permitido citar parte de artigos sem autorização prévia desde que seja identificada a fonte. A reprodução total de artigos é proibida. Em caso de dúvidas, consulte o Editor.
