Análisis Predictivo de la Rotación de Personal Mediante Redes Neuronales: Un Enfoque Multivariado

Resumen

Introducción: La rotación de personal fue reconocida como un desafío crítico para las organizaciones, afectando la 
productividad, los costos y la estabilidad laboral. El estudio analizó los principales factores que influyen en la deserción, 
destacando el papel de la motivación, la satisfacción laboral y la gestión del talento humano.  Métodos: Se analizó una base 
de datos de 10,000 empleados mediante técnicas estadísticas y un modelo de red neuronal implementado en Google Colab®. 
Se aplicaron medidas descriptivas, de dispersión y análisis bivariado para identificar relaciones entre variables 
demográficas, laborales y de desempeño con la rotación. Resultados: La tasa de rotación fue de 19.97%. Se observó mayor 
deserción en empleados jóvenes, con bajos salarios, baja satisfacción laboral, desequilibrio vida-trabajo y relaciones 
deficientes con sus supervisores. También influyeron el departamento, el puesto, la antigüedad y las horas trabajadas. La 
red neuronal mostró un alto desempeño predictivo. Conclusiones: La rotación de personal estuvo determinada por factores 
multidimensionales de carácter individual y organizacional. El uso de modelos predictivos demostró ser una herramienta 
eficaz para apoyar la toma de decisiones y diseñar estrategias de retención centradas en satisfacción, compensación, 
liderazgo y equilibrio vida-trabajo.