La solución consistió en la creación de un DataLake propio con la información histórica de puntos de venta y empleados. Posteriormente se realizó una clusterización de los puntos de venta y la generación de indicadores de perfil óptimo y perfiles de propensión al puesto de trabajo.
En particular, la utilización de nuestra plataforma BeDataScience permitió:
1. Agrupar los puntos de venta en tipologías
Agrupar por sus particularidades, que requerían definiciones específicas de perfiles de Empleado Óptimo (mejor desempeño + mínima rotación).
2. Identificar las características hard y soft para cada perfil.
Se identificaron las variables críticas de cada perfil óptimo, con las que se definirán las reglas para optimizar los procesos de selección: Categoría y tipo de punto de venta que maximizan el desempeño y minimizan la rotación no deseada.
3. Creación de indicadores
Se crean los indicadores que permitirán identificar a los Empleados Óptimos (indicador de progresión laboral, e indicador duración de la relación).
4. Consola de evaluación
Se parametrizó una consola de evaluación con los modelos generados para evaluar la propensión a Empleado Óptimo de cada candidato, a partir de la información capturada durante la entrevista.
5. Recalibrado y optimización
Tras la puesta en producción de la consola, y a partir de la información de candidatos incorporada, se actualizan los Perfiles Óptimos recalibrándose los modelos que alimentan la consola, y se generan Informes de reporting.
