Binary file ./template_functions.inc.php matches
Modelo de Optimización Matemática y Ciencia de Datos para la asignación eficiente de personal en empresas de servicios tecnológicos - RIIIT
Modelo de Optimización Matemática y Ciencia de Datos para la asignación eficiente de personal en empresas de servicios tecnológicos
Tipo:
Articulos de Divulgación
Autor:
Valerio-Rodríguez, G.A., García-Calvillo, I., Mejía-de Dios, A., Beltrán-Márquez, J.*
Fecha:
2026-05-01
Descripción:
En el competitivo entorno empresarial, las finanzas corporativas se enfocan en maximizar las ganancias utilizando los mínimos recursos posibles, un desafío que ha impulsado el desarrollo de metodologías innovadoras para optimizar la toma de decisiones. En este contexto, la integración de ciencia de datos y optimización matemática emerge como una estrategia clave para mejorar la eficiencia operativa y la asignación de recursos. Este estudio aborda la problemática de una empresa de servicios tecnológicos que enfrenta un impacto significativo en sus costos de personal, planteando como objetivo principal desarrollar un modelo matemático de optimización para la asignación de tareas que minimice costos anuales mientras mantiene cargas de trabajo equilibradas.
Para ello, se implementó un enfoque basado en ciencia de datos, donde se extrajo información de diversas áreas de la empresa, integrando y preprocesando los datos con el fin de generar instancias representativas del problema. Sobre esta base, se desarrolló un modelo de programación entero-mixta que incorpora variables críticas como habilidades individuales, costos laborales y tiempos de procesamiento específicos para cada tarea, estableciendo restricciones esenciales: completar todas las tareas requeridas para los proyectos comprometidos, respetar jornadas laborales máximas y limitar la cantidad de proyectos en los que trabaja cada empleado, estructurando la planificación en períodos mensuales a lo largo del año.
Los resultados demuestran que sería posible lograr una reducción anual de costos del 7.29% mediante la asignación optimizada de 41,892 tareas. Además de este ahorro, la combinación de ciencia de datos y optimización matemática genera beneficios multidimensionales, incluyendo una mejora en la eficiencia operativa, una asignación justa de tareas según capacidades individuales respetando horarios laborales y la garantía de calidad en el servicio a precios competitivos para los clientes. La investigación concluye que esta integración transforma la gestión de recursos humanos en empresas tecnológicas, ofreciendo soluciones tangibles a los desafíos financieros contemporáneos y representando una ventaja competitiva significativa en escenarios de crecimiento donde la asignación eficiente de personal es clave para la rentabilidad sostenible.
Palabras clave: Optimización, Asignación de personal, Ciencia de datos.
;)
