Flujo de personal a un puesto de trabajo

Para el pronóstico de la demanda de recursos humanos se tendrán los siguientes datos de fuente primaria:

• Datos de aprovisionamiento interno de recursos humanos
• Datos de aprovisionamiento externo de recursos humanos

FUENTE DE DATOS.

Las fuentes de datos se clasifican en primarias y secundarias. Las fuentes primarias de datos comprenden todos los métodos de recolección de datos originales. Es común que este tipo de datos se reúna mediante procedimientos de muestreo, encuestas o un censo completo de los elementos de interés. Aún es más común el registro mensual, trimestral, semestral o anual de las variables de interés para la empresa.

Los datos de interés para la empresa son el flujo de personal a un puesto de trabajoX como se observa en la figura No. 3.4. A un puesto de trabajo cualquiera se puede acceder mediante un ascenso de un puesto inferior, un descenso de un puesto superior, una transferencia de un puesto de igual importancia y responsabilidad, y una nueva contratación. De la misma forma existirá salida de personal de un puesto de trabajo por ascensos, descensos, transferencias, además de existir renuncias, despidos, jubilaciones y reducción de personal.

Tipos de datos.

TIPOS DE DATOS.

Existen dos tipos de datos de interés para el pronóstico como se puede observar en la figura No. 3.3. Los datos de corte transversal y las series de tiempo. Para nuestro caso seleccionamos el segundo, puesto que necesitamos datos que se almacenan durante un determinado período.

Dependiendo del tipo de datos se tendrá diferentes horizontes para el pronóstico:

 Pronóstico a corto plazo
 Pronóstico a largo plazo

Estos datos se pueden recolectar en intervalos regulares, como en forma:

 Mensual
 Trimestral
 Semestral
 Anual

RECOPILACIÓN DE DATOS.

Una de las partes más difíciles y que ocupa mayor tiempo en los pronósticos es la recolección de datos válidos y confiables. Estamos familiarizados con la expresión "si entra basura, sale basura", esta expresión se aplica también a los pronósticos. Un pronóstico no puede ser más que los datos en los que se basa. El modelo de pronóstico más eficiente fallará si se aplica datos no confiables.
La computadora ha ayudado a generar una increíble acumulación de información sobre todos los temas. La difícil tarea para quienes pronostican consiste en cómo encontrar datos pertinentes que ayuden a resolver sus problemas específicos de toma de decisiones.

Para determinar si los datos serán útiles, se pueden aplicar cuatro criterios:

 Los datos deben ser confiables y precisos.
Se debe tener un cuidado adecuado al recolectar los datos, que sean de una fuente confiable y con la debida atención en su precisión.
 Los datos deben ser pertinentes.
Deben ser representativos de las circunstancias para las cuales serán utilizados. Los datos que supongan la representación de la actividad deberán mostrar las alzas y bajas de acuerdo a las fluctuaciones cíclicas en el pasado histórico de la empresa.
 Los datos deben ser consistentes.
Cuando se modifican las definiciones relacionadas con la forma como se reúnen los datos, se deben hacer ajustes para mantener la consistencia en los patrones históricos.
 Los datos deben ser periódicos.
Los datos que se recolectan, resumen y publican con base en una periodicidad serán de gran valor para el pronosticador.

Proceso de pronóstico.

Sistema de pronóstico de recursos humanos. (II)

c) Construcción del modelo, consiste en ajustar los datos reunidos y seleccionados en un modelo de pronóstico que sea el adecuado para minimizar el error en el pronóstico. Se construirá más de un modelo de pronóstico que irá desde un modelo sencillo fácil de entender hasta un modelo complejo que ofrezca ligeramente más precisión.

d) Extrapolación del modelo, este paso se efectúa una vez que se seleccionó un modelo de pronóstico apropiado. Y consiste en el cálculo de los valores que tendrán las variables en el futuro a partir de los coeficientes del modelo de pronóstico.

e) Control del pronóstico, consiste en la aplicación de técnicas estadísticas para determinar qué modelo describe mejor el comportamiento de los datos.