Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina

Autores
Santaella, Federico
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
tesis de maestría
Estado
versión publicada
Colaborador/a o director/a de tesis
Arnoletto, José Luis
Descripción
Fil: Santaella, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
El ausentismo laboral es un fenómeno recurrente que afecta a organizaciones de distintos sectores y tamaños, generando impactos significativos en la productividad, los costos operativos y la eficiencia general de los procesos. A pesar de los esfuerzos sistemáticos que muchas compañías han implementado para abordar esta problemática —desde intervenciones organizacionales hasta consultorías especializadas—, sus causas suelen estar influenciadas por múltiples factores de origen diverso, lo que dificulta la identificación de patrones claros y sostenibles en el tiempo. Esta complejidad se intensifica en entornos donde es fundamental cumplir con los estrictos planes de producción para satisfacer la demanda, por lo que resulta clave poder garantizar su ejecución. En este contexto, la empresa industrial del sector alimenticio objeto de este estudio ha comenzado recientemente a incorporar herramientas de analítica avanzada como parte de una estrategia orientada a mejorar su capacidad de diagnóstico y anticipación en torno al ausentismo. Si bien la organización cuenta con cerca de 20.000 empleados distribuidos principalmente en Argentina y diversos países de Latinoamérica, el indicador que se utiliza actualmente para monitorear este fenómeno está centrado exclusivamente en trabajadores operativos (o “blue collar”), ya que busca medir el impacto en las horas relacionadas al proceso productivo. La decisión de invertir en modelos de machine learning para estudiar el fenómeno responde a la necesidad de comprender en mayor profundidad los factores que lo explican y, a partir de ello, diseñar estrategias de mitigación basadas en evidencia. Sin embargo, toda innovación requiere ser evaluada no solo por su potencial técnico, sino también por su impacto económico. En ese sentido, el presente trabajo se propone estimar el retorno de la inversión (ROI) en analítica avanzada aplicada a la gestión del ausentismo, midiendo en qué medida dicha inversión permite reducir el volumen de horas no trabajadas y, por ende, los costos asociados al reemplazo de personal con licencia. Desde una mirada contable y financiera, este análisis resulta particularmente pertinente en entornos económicos tan desafiantes como el argentino, marcados por la inestabilidad, la inflación persistente y la necesidad imperiosa de controlar costos maximizando la eficiencia. En este escenario, brindar al área ejecutiva de Recursos Humanos información analítica precisa, robusta y orientada a la acción permite mejorar sustancialmente la toma de decisiones, impactando de manera directa en la optimización de los recursos y en la sostenibilidad económica de la compañía.
2029-04-09
Fil: Santaella, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Materia
Ausentismo
Proceso productivo
Machine learning
Rentabilidad
Inversiones
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/562549
Acceder
id RDUUNC_f49bbc4ad4c7a1c6364fa3caaac36d85
oai_identifier_str oai:rdu.unc.edu.ar:11086/562549
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en ArgentinaReturn on investment measurement of advanced analytics applied to absenteeism management in an industrial food sector company in ArgentinaSantaella, FedericoAusentismoProceso productivoMachine learningRentabilidadInversioneshttps://purl.org/becyt/ford/5.2Fil: Santaella, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.El ausentismo laboral es un fenómeno recurrente que afecta a organizaciones de distintos sectores y tamaños, generando impactos significativos en la productividad, los costos operativos y la eficiencia general de los procesos. A pesar de los esfuerzos sistemáticos que muchas compañías han implementado para abordar esta problemática —desde intervenciones organizacionales hasta consultorías especializadas—, sus causas suelen estar influenciadas por múltiples factores de origen diverso, lo que dificulta la identificación de patrones claros y sostenibles en el tiempo. Esta complejidad se intensifica en entornos donde es fundamental cumplir con los estrictos planes de producción para satisfacer la demanda, por lo que resulta clave poder garantizar su ejecución. En este contexto, la empresa industrial del sector alimenticio objeto de este estudio ha comenzado recientemente a incorporar herramientas de analítica avanzada como parte de una estrategia orientada a mejorar su capacidad de diagnóstico y anticipación en torno al ausentismo. Si bien la organización cuenta con cerca de 20.000 empleados distribuidos principalmente en Argentina y diversos países de Latinoamérica, el indicador que se utiliza actualmente para monitorear este fenómeno está centrado exclusivamente en trabajadores operativos (o “blue collar”), ya que busca medir el impacto en las horas relacionadas al proceso productivo. La decisión de invertir en modelos de machine learning para estudiar el fenómeno responde a la necesidad de comprender en mayor profundidad los factores que lo explican y, a partir de ello, diseñar estrategias de mitigación basadas en evidencia. Sin embargo, toda innovación requiere ser evaluada no solo por su potencial técnico, sino también por su impacto económico. En ese sentido, el presente trabajo se propone estimar el retorno de la inversión (ROI) en analítica avanzada aplicada a la gestión del ausentismo, midiendo en qué medida dicha inversión permite reducir el volumen de horas no trabajadas y, por ende, los costos asociados al reemplazo de personal con licencia. Desde una mirada contable y financiera, este análisis resulta particularmente pertinente en entornos económicos tan desafiantes como el argentino, marcados por la inestabilidad, la inflación persistente y la necesidad imperiosa de controlar costos maximizando la eficiencia. En este escenario, brindar al área ejecutiva de Recursos Humanos información analítica precisa, robusta y orientada a la acción permite mejorar sustancialmente la toma de decisiones, impactando de manera directa en la optimización de los recursos y en la sostenibilidad económica de la compañía.2029-04-09Fil: Santaella, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.Arnoletto, José Luis2026info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriaapplication/pdfhttp://hdl.handle.net/11086/562549spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2026-09-24T11:39:50Zoai:rdu.unc.edu.ar:11086/562549Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722026-09-24 11:39:51.513Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina
Return on investment measurement of advanced analytics applied to absenteeism management in an industrial food sector company in Argentina
title Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina
spellingShingle Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina
Santaella, Federico
Ausentismo
Proceso productivo
Machine learning
Rentabilidad
Inversiones
title_short Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina
title_full Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina
title_fullStr Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina
title_full_unstemmed Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina
title_sort Medición del retorno de inversión en analítica avanzada aplicada a la gestión del ausentismo laboral en una empresa industrial del sector alimenticio en Argentina
dc.creator.none.fl_str_mv Santaella, Federico
author Santaella, Federico
author_facet Santaella, Federico
author_role author
dc.contributor.none.fl_str_mv Arnoletto, José Luis
dc.subject.none.fl_str_mv Ausentismo
Proceso productivo
Machine learning
Rentabilidad
Inversiones
topic Ausentismo
Proceso productivo
Machine learning
Rentabilidad
Inversiones
purl_subject.fl_str_mv https://purl.org/becyt/ford/5.2
dc.description.none.fl_txt_mv Fil: Santaella, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
El ausentismo laboral es un fenómeno recurrente que afecta a organizaciones de distintos sectores y tamaños, generando impactos significativos en la productividad, los costos operativos y la eficiencia general de los procesos. A pesar de los esfuerzos sistemáticos que muchas compañías han implementado para abordar esta problemática —desde intervenciones organizacionales hasta consultorías especializadas—, sus causas suelen estar influenciadas por múltiples factores de origen diverso, lo que dificulta la identificación de patrones claros y sostenibles en el tiempo. Esta complejidad se intensifica en entornos donde es fundamental cumplir con los estrictos planes de producción para satisfacer la demanda, por lo que resulta clave poder garantizar su ejecución. En este contexto, la empresa industrial del sector alimenticio objeto de este estudio ha comenzado recientemente a incorporar herramientas de analítica avanzada como parte de una estrategia orientada a mejorar su capacidad de diagnóstico y anticipación en torno al ausentismo. Si bien la organización cuenta con cerca de 20.000 empleados distribuidos principalmente en Argentina y diversos países de Latinoamérica, el indicador que se utiliza actualmente para monitorear este fenómeno está centrado exclusivamente en trabajadores operativos (o “blue collar”), ya que busca medir el impacto en las horas relacionadas al proceso productivo. La decisión de invertir en modelos de machine learning para estudiar el fenómeno responde a la necesidad de comprender en mayor profundidad los factores que lo explican y, a partir de ello, diseñar estrategias de mitigación basadas en evidencia. Sin embargo, toda innovación requiere ser evaluada no solo por su potencial técnico, sino también por su impacto económico. En ese sentido, el presente trabajo se propone estimar el retorno de la inversión (ROI) en analítica avanzada aplicada a la gestión del ausentismo, midiendo en qué medida dicha inversión permite reducir el volumen de horas no trabajadas y, por ende, los costos asociados al reemplazo de personal con licencia. Desde una mirada contable y financiera, este análisis resulta particularmente pertinente en entornos económicos tan desafiantes como el argentino, marcados por la inestabilidad, la inflación persistente y la necesidad imperiosa de controlar costos maximizando la eficiencia. En este escenario, brindar al área ejecutiva de Recursos Humanos información analítica precisa, robusta y orientada a la acción permite mejorar sustancialmente la toma de decisiones, impactando de manera directa en la optimización de los recursos y en la sostenibilidad económica de la compañía.
2029-04-09
Fil: Santaella, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
description Fil: Santaella, Federico. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
publishDate 2026
dc.date.none.fl_str_mv 2026
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_bdcc
info:ar-repo/semantics/tesisDeMaestria
format masterThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/562549
url http://hdl.handle.net/11086/562549
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1877228109952974848
score 12.754232

Publicaciones similares