ARTÍCULO ORIGINAL
INNOVA Research Journal, ISSN 2477-9024
(Septiembre-Diciembre, 2024). Vol. 9, No.3, pp. 137-166
DOI: https://doi.org/10.33890/innova.v9.n3.2024.2538
URL: http://revistas.uide.edu.ec/index.php/innova/index
Correo: innova@uide.edu.ec
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 137
Analítica de recursos humanos: una revisión sistemática de literatura
Human resource analytics research: a systematic literature review
Carla Fernández-Solís
Universidad ECOTEC, Samborondón, Ecuador
cfernandez@ecotec.edu.ec
Universidad de Alicante, San Vicente del Raspeig, Alicante, España
clfs2@alu.ua.es
https://orcid.org/0000-0002-7246-1901
Reyes González-Ramírez
Universidad de Alicante, San Vicente del Raspeig, Alicante, España
mr.gonzalez@ua.es
https://orcid.org/0000-0002-9758-7957
José Gascó-Gascó
Universidad de Alicante, San Vicente del Raspeig, Alicante, España
jl.gasco@ua.es
https://orcid.org/0000-0003-2461-7702
Recepción: 28/01/2024 | Aceptación: 25/04/2024 | Publicación: 10/09/2024
Cómo citar (APA, séptima edición):
Fernández-Solís, C., González-Ramírez, R., Gascó- Gascó, J. (2024). Tendencias en la
investigación de la analítica de recursos humanos: una revisión sistemática de literatura INNOVA
Research Journal, 9(3), 137-166. https://doi.org/10.33890/innova.v9.n3.2024.2538
Resumen
La gestión de recursos humanos representa un aspecto clave para el desarrollo de los países
emergentes en general, y en particular, para el desempeño organizacional. Dentro de estas
funciones, la analítica de recursos humanos, un conjunto de actividades desarrolladas para apoyar
la toma de decisiones basada en datos se convierte en un punto de agenda básico para empresarios
y académicos. En este contexto, el objetivo de esta investigación es identificar los principales
referentes en Analítica de Recursos Humanos, que sirvan de soporte para el diseño de un modelo
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 138
que caracterice este constructo, y para fundamento de investigaciones futuras. Para este fin, se
realiza una Revisión Sistemática de Literatura, donde se logran identificar los artículos más
citados, los métodos de investigación aplicados, y en general, las tendencias de investigación en
el periodo temporal 2010–2023. Se realizó una búsqueda en las bases de datos científicas Web Of
Science, SciELO, ProQuest, Elsevier y Researchgate. Se seleccionaron 69 documentos de acceso
abierto. Se evaluó la calidad de los artículos. Se destaca que, la mayoría de las investigaciones se
enfocan en el paradigma cualitativo; sin embargo, dentro de los pocos trabajos cuantitativos, el
uso de encuestas y su análisis basado en Modelos de Ecuaciones Estructurales, representa una
corriente de investigación prometedora para el futuro.
Palabras claves: analítica de recursos humanos; Revisión Sistemática; gestión de personal;
dirección de la tecnología.
Abstract
Human resource management stands for a key aspect for the development of emerging countries
in general, and for organizational performance. Within these functions, human resources analytics,
which set of activities developed to support data-based decision-making, becomes an agenda item
for businesspeople and academics. In this context, the aim of this research is to find the main
references in Human Resources Analytics, which serve as support for the design of a model that
characterizes this construct, and as a basis for future research. For this purpose, a Systematic
Literature Review is conducted, where it is possible to show the most cited articles, the research
methods applied, and research trends in the 2010-2023 period. A search was carried out in the
scientific databases Web of Science, Scielo, ProQuest, Elsevier and Researchgate. Sixty-nine free
access papers were selected. The quality of the articles was evaluated. It should be noted that most
of the research focuses on the qualitative paradigm; however, within the few quantitative works,
the use of surveys and their analysis based on Structural Equation Models represents a current of
research that will give much to talk about in the coming years.
Keywords: human resource analytics, systematic literature review, personnel management,
technology management.
Introducción
La toma de decisiones basada en datos tiene lugar en casi todas las áreas de una
organización; mercadeo, ventas, producción y finanzas son ejemplos de áreas de aplicación donde
es común tomar decisiones basadas en análisis e informes (Wirges & Neyer, 2022). La era de la
economía de la información lleva a rediseñar no sólo los modelos de negocios de las
organizaciones, sino también a repensar el paradigma de los recursos humanos (RRHH) para
aprovechar el poder de la tecnología avanzada para la optimización de la gestión del capital
humano (Chornous & Gura, 2020, Nowicka, 2024).
La gestión de los RRHH hoy en día se ve significativamente afectada por el surgimiento
de la fuerza laboral global y la creciente relevancia de los análisis de negocios como una capacidad
organizativa estratégica (Margherita, 2022). Una de las funciones más importantes de los
profesionales de RRHH es evaluar las técnicas de gestión y desarrollo del talento e identificar
oportunidades para gestionar el capital humano de manera más eficaz (King, 2016). El propósito
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 139
de la gestión de RRHH es cubrir el desempeño y el compromiso de los trabajadores, analizar los
modelos de colaboración de estos, investigar la relación y la rotación de los empleados y estimar
el tiempo de vida laboral de estos (Setiawan et al., 2020).
Aunque el contexto para el uso de la analítica de RRHH importa mucho, la disponibilidad
de más información y datos sobre RRHH y el uso de métodos que procesan estos datos, pueden
ayudar a abordar algunos problemas fundamentales en el área de gestión de RRHH (Bechter et al.,
2022).
En línea con la evolución del análisis empresarial como capacidad organizativa central,
también la gestión de RRHH ha aumentado gradualmente la adopción de modelos y técnicas
avanzados de análisis y visualización de datos, para mejorar las decisiones estratégicas, atendiendo
así las necesidades de los ejecutivos y los principales responsables de la toma de decisiones en la
organización (Margherita, 2022). El talento humano es el factor clave que vincula innovación,
competitividad y crecimiento en el siglo XXI; la digitalización transforma la forma en que las
organizaciones hacen uso del talento, las ayuda a crear fuerzas de trabajo poderosas, adoptar el
trabajo flexible, mejorar el trabajo en equipo y analizar el rendimiento (Chornous & Gura, 2020).
En los últimos años, un número creciente de organizaciones han comenzado a utilizar la «analítica»
de la gente para administrar su fuerza laboral (Gal et al., 2020).
El término «analítica» se ha vuelto más popular a medida que el concepto de «big data» ha
ganado terreno en el mundo de los negocios; y, aunque tienden a usarse como sinónimos, en
realidad son muy distintos; de hecho, analítica se refiere a las metodologías que permiten analizar
los grandes datos almacenados por las empresas (Nocker & Sena, 2019). El rango y el detalle de
los datos de personas ahora disponibles para los departamentos de RRHH se ha expandido
rápidamente (Bryce et al., 2022, Jiang & Akdere, 2022).
La analítica de la gente es un área emergente de innovación que, aunque se basa en los
principios tradicionales de la gestión de RRHH, representa un cambio sísmico en el poder de las
organizaciones y sus líderes para comprender, dar forma y optimizar estratégicamente su fuerza
laboral (Tursunbayeva et al., 2022). Así, esta tendencia, atrae cada vez más atención en los últimos
años y será crucial para el desarrollo del ámbito de los RRHH (Álvarez-Gutiérrez et al., 2022). El
análisis de personas implica la aplicación de modelos analíticos (descriptivos, predictivos y
prescriptivos) a los datos de RRHH con el fin de mejorar el desempeño organizacional (Bryce et
al., 2022).
La analítica de RRHH es una práctica de la toma de decisiones basada en datos que implica
abordar la dirección estratégica u operativa de RRHH mediante el uso de datos (RRHH,
comerciales y/o datos externos); abarcando el siguiente proceso: identificación de un problema
empresarial, diseño de investigación para el problema específico de RRHH bajo escrutinio, gestión
de datos, análisis de datos, interpretación y comunicación de datos, un plan de acción posterior y
evaluación (Belizón & Kieran, 2022). En términos sencillos, son los datos relacionados con las
personas (Gurusinghe et al., 2021); es un enfoque basado en datos para administrar personas en el
trabajo (Wang & Katsamakas, 2021).
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 140
La analítica de RRHH proporciona información útil para medir el desempeño de los
empleados, tomar decisiones informadas sobre salarios y promociones, aumentar la retención de
empleados, examinar el compromiso de los empleados, medir el desarrollo de los empleados y el
resultado del aprendizaje (Bandi et al., 2021); permite a los gerentes reemplazar la toma de
decisiones basada en la experiencia anecdótica, la jerarquía y la prevención de riesgos con
decisiones basadas en datos de mayor calidad basadas en el análisis de datos, la predicción y la
investigación experimental (Madhani, 2022); es un concepto moderno que facilita la toma de
decisiones basada en datos, así los grandes volúmenes de datos pueden permitir predicciones sobre
selección de empleados, desempeño, participación en redes sociales, interés en capacitarse, etc.
(Shet et al., 2021).
El desarrollo de la analítica de RRHH, el dominio creciente de los enfoques positivistas en
la gestión de RRHH académicos y la creciente influencia de los enfoques basados en la evidencia
en RRHH representan una convergencia de factores contextuales que tienen el potencial de influir
significativamente en la práctica de RRHH (Greasley & Thomas, 2020). Este campo emergente,
ofrece potencial para una mejor comprensión de muchos fenómenos importantes de RRHH,
incluida la rotación de empleados (Ryan, 2020); e incluye los problemas típicos como la
estimación de tasas de abandono, la identificación de conocimientos y habilidades en una
organización y la predicción del éxito en un trabajo (Simbeck, 2019).
Específicamente, la analítica de RRHH se refiere a la integración de datos relevantes de
RRHH de diferentes fuentes, la realización de procesos organizativos y análisis de la fuerza laboral
en estos datos capturados, y en última instancia, la obtención de conocimientos a partir de los
hallazgos para dar forma a decisiones para una mejor organización actuación (Kapoor & Kabra,
2014); es la aplicación sistemática de métodos analíticos sobre (grandes) datos relacionados con
los RRHH (Simbeck, 2019).
Como señalan Jana & Kaushik (2022), en el dominio de la gestión de RRHH, la analítica
se utiliza ampliamente para tomar decisiones imparciales y precisas mediante el análisis de datos;
sin embargo, este fenómeno es nuevo y no se ha realizado mucho trabajo de investigación sobre
este tema. Así, la analítica de RRHH puede respaldar la gestión y promover la toma de decisiones
organizacionales basadas en evidencia si (y solo sí) sus beneficios están equilibrados y
contextualizados (Bechter et al., 2022).
A pesar de su importancia, la analítica de RRHH no es una palabra clave reconocida, lo
que dificulta categorizar e identificar las investigaciones en este campo (Edwards et al., 2022). Por
otro lado, este campo se está desarrollando rápidamente con innovaciones como el aprendizaje
automático y la inteligencia artificial; al mismo tiempo, se han planteado preguntas sobre si las
herramientas se utilizarán de manera que ayuden o perjudiquen la equidad racial en el empleo
(Williams, 2020).
Las preguntas concretas de investigación son: ¿Qué revistas académicas han contribuido
más en el estudio de la analítica de RRHH?, ¿cuáles son los métodos y técnicas estadísticas de
investigación más frecuentes en esta área?, ¿qué tópicos son tratados en este ámbito?, ¿quiénes
son los autores más prolíficos? Para lo cual se presenta, en primer lugar, una breve revisión de
literatura fundamentado en los enfoques y contribuciones modernas acerca del tema de estudio.
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 141
Luego, se presenta la metodología adoptada para este estudio y, seguidamente, los resultados y
conclusiones más resaltantes, obtenidas luego del debido procedimiento de análisis y síntesis de la
información.
Con lo planteado en esta introducción, el objetivo del presente trabajo es identificar las
tendencias de investigación de la analítica de RRHH, mediante una revisión sistemática de la
literatura. Este artículo buscará llenar el vació de conocimiento en este tema emergente en las áreas
de empresa e innovación, siendo útil para la comunidad académica y para profesionales de RRHH.
Marco teórico
Hay varios términos en la literatura para describir el uso de datos dentro de las funciones
de RRHH y la manera de vincular datos a la estrategia de la empresa (Moraes & Damian, 2021;
Suri & Lakhanpal, 2024). La analítica de RRHH (Human Recourses Analytics) o Analítica HR
(HR Analytics), también es llamada Analítica de la Fuerza Laboral (workforce analytics),
Analítica de Capital Humano (Human Capital analytics), Analítica de empleados (Employee
analytics), Analítica de la gente (people analytics) y Analítica de Talento (talent analytics) (Ben-
Gal, 2019; Sivathanu & Pillai, 2020; Wang & Katsamakas, 2019; Wang & Katsamakas, 2021); la
mayoría de la literatura académica utiliza el término analítica de RRHH (Wang & Katsamakas,
2019); este término, parece proporcionar un contexto más amplio para los desafíos abordados
(Ben-Gal, 2019); por ello en este trabajo se adopta esta denominación.
Debido a que el análisis de RRHH es una disciplina emergente, existen varias definiciones
del término (Ben-Gal, 2019). La adopción de la analítica de RRHH se define como el proceso a
través del cual una organización invierte, pone en funcionamiento y asimila la analítica de RRHH
en el proceso de toma de decisiones de la fuerza laboral; esto incluye visualizar las decisiones que
quieren que sean impulsadas por los datos, evaluar los recursos necesarios para respaldar la toma
de decisiones, construir el caso para la adopción de analítica de RRHH y realizar inversiones
relevantes, priorizar el diseño y la entrega de dichos recursos de apoyo, permitiendo a las partes
interesadas participar en el proceso de la toma de decisiones, e impulsando el uso de la analítica
de RRHH en toda la organización (Shet et al., 2021).
Marler & Boudreau (2017), definen analítica de RRHH como una práctica de RRHH
habilitada por la tecnología de la información que utiliza análisis descriptivos, visuales y
estadísticos de datos relacionados con procesos de RRHH, capital humano, desempeño
organizacional y puntos de referencia económicos externos para establecer el impacto de los
RRHH en los negocios y permitir la toma de decisiones basada en datos. Mientras que, para Gohain
& Saikia (2021), la analítica de RRHH se define como el área que se ocupa del análisis de personas
y la aplicación de procesos analíticos al capital humano dentro de una organización, para mejorar
el rendimiento y la retención de los empleados. Por su parte Huselid (2018), definió la analítica de
RRHH como el conjunto de procesos involucrados en la comprensión, cuantificación, gestión y
mejora del papel del talento en la ejecución de la estrategia y la creación de valor, incluido no solo
un enfoque en las métricas, sino también en el análisis de los resultados.
Para Arora et al. (2022), la analítica de RRHH es un proceso para el análisis computacional
sistemático de datos o estadísticas, que descubre, interpreta y comunica patrones significativos en
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 142
los datos para permitir la investigación de RRHH basada en evidencia y utiliza conocimientos
analíticos para ayudar a las organizaciones a alcanzar sus objetivos estratégicos. Shet el at. (2021),
por su parte, sostienen que este área implica una interacción de conocimientos de la ciencia de la
información, la tecnología de la información, la informática, las matemáticas y la ciencia
estadística para procesar datos en tiempo real y llegar a una decisión basada en datos para predecir
los resultados de desafíos complejos; mientras que, para Gal et al. (2020), se refiere a técnicas
computacionales que aprovechan los datos digitales de múltiples áreas organizacionales, para
reflejar diferentes facetas del comportamiento de los RRHH.
El campo conceptual de la analítica de RRHH se caracteriza por la novedad, un alto grado
de incertidumbre y debates emocionales sobre los límites entre oportunidad y adecuación; si bien
el análisis de RRHH parece estar en fuerte contradicción con los valores con respecto a la gestión
de datos personales, también ofrece beneficios para las personas que aceptan compartir sus datos
(Karwehl & Kauffeld, 2021).
La analítica de RRHH subraya el valor de los datos de RRHH al enfatizar cómo las
personas crean valor para la organización, de modo que ese valor pueda capturarse y aprovecharse
(Madhani, 2022); esta práctica se utiliza con frecuencia para una mejor toma de decisiones y para
cambiar las estrategias de gestión de RRHH en la organización (Ekka, 2021); y, no solo se centra
en investigar y mejorar elementos del capital humano, sino también en aplicar técnicas analíticas
junto con datos de personas para informar la estrategia organizacional y mejorar el rendimiento
(McCartney & Fu, 2022).
Para Opatha (2020), la analítica de RRHH es una herramienta poderosa que tiene la
posibilidad de agregar valor positivo a las funciones del departamento de RRHH y mejorar la
efectividad y eficiencia de todos los aspectos asociados a él a través de explicaciones lógicas y
numéricas. Mientras que Talukdar (2016) sostiene que, puede mejorar los resultados de una
organización mediante un control efectivo de los costos de la fuerza laboral. La analítica de RRHH
es una herramienta que utiliza datos de capital humano; su objetivo es ayudar en la resolución de
problemas empresariales, así como proporcionar a la alta dirección un panorama más amplio y una
mejor comprensión de lo que está sucediendo en la organización (Gohain & Saikia, 2021); es un
enfoque basado en evidencias para tomar mejores decisiones sobre las personas, que consta de una
variedad de herramientas y tecnologías, y que van desde informes hasta modelos predictivos
(Wang & Katsamakas, 2019); y, se puede categorizar ampliamente como el uso variado de big
data, computación en la nube y aprendizaje automático para informar las decisiones de RRHH
(Ryan, 2020).
Karwehl & Kauffeld (2021) plantean que el objetivo de la analítica de RRHH es mejorar
el rendimiento individual y organizacional mediante el uso de grandes datos de RRHH y métodos
analíticos estadísticos en todos los niveles, desde informes hasta predicciones; implica utilizar
datos de diferentes fuentes y de diferente granularidad para crear nuevos conocimientos y
recomendaciones para la acción. Para Nocker & Sena (2019), los beneficios de la analítica de
RRHH en términos de creación de valor son claros, y ponen como ejemplo, si una organización
puede identificar una relación causal entre el gasto en capacitación y la rentabilidad, entonces es
posible que la organización estableciera una estrategia de capacitación que pudiera tener un
impacto cuantificable en la rentabilidad. La analítica de RRHH tiene tres enfoques (análisis
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 143
descriptivo, predictivo y prescriptivo) para proporcionar los resultados utilizando datos: Atraer
talento, Desarrollar talento y Retener talento; así, esta estrategia se considera para la predicción de
reclutamiento y retención, así como para prescribir las soluciones a problemas como el desgaste
de los empleados (Sivathanu & Pillai, 2020).
McCartney & Fu (2022), plantean que, si bien la analítica de RRHH está ganando cada vez
más interés como campo de estudio, sigue siendo un concepto relativamente nuevo. Agregan estos
autores que, como resultado, los académicos y profesionales están preparados para realizar
investigaciones que destaquen cómo la digitalización de RRHH y la creciente cantidad de datos
de personas pueden afectar la toma de decisiones de RRHH y los resultados organizacionales.
Como concluyen Wirges & Neyer (2022), actualmente, las organizaciones han reconocido
las oportunidades que presenta la analítica de RRHH; sin embargo, es un desafío convertir sus
datos disponibles (fuentes) en un valor estratégico significativo. Así mismo, Fernández &
Gallardo-Gallardo (2021), advierten que, desafortunadamente, la confusión actual sobre lo que
implica el uso de analíticas en la gestión de RRHH y la falta de claridad sobre los factores que
impiden su adopción por parte de las organizaciones están obstaculizando el avance del campo y
el establecimiento de prácticas ampliamente aceptadas.
La analítica de RRHH, a diferencia del simple uso de indicadores clave de rendimiento, es
un campo de creciente interés debido al rápido crecimiento del volumen, la velocidad y la variedad
de datos de RRHH, impulsado por la digitalización de los procesos de trabajo (Simbeck, 2019).
Así, el valor del análisis de RRHH está determinado por el enfoque sistémico y el trabajo regular
con información, pero en el curso del crecimiento del interés en el análisis, más empresas esperan
de los departamentos y especialistas de RRHH no sólo datos suficientes sobre el personal, sino
también pronósticos precisos que se basan en análisis de RRHH (Konovalova et al., 2021). Una
parte importante de la analítica de RRHH es garantizar la calidad de la entrada de datos y el uso
experto de datos cualitativos para investigar, analizar y encontrar soluciones para resolver
problemas, como, por ejemplo, de violencia en el lugar de trabajo (Pariona-Cabrera et al., 2022).
El área de RRHH ha puesto su atención en la analítica de RRHH para la planificación,
seguimiento, uso y desempeño a partir de datos que puedan servir como insumos para generar
información y conocimiento que ayuden en la toma de decisiones y en la formulación de acciones
estrechamente vinculadas a la estrategia del negocio, que ha sido durante mucho tiempo el deseo
de muchos líderes de este sector en las organizaciones (Cho et al, 2023); sin embargo, el uso de
datos en funciones de RRHH presenta barreras que deben ser analizadas y removidas para que, de
hecho, este uso traiga ventajas estratégicas a las organizaciones (Moraes & Damian, 2021).
En la analítica de RRHH, existen oportunidades innovadoras que pueden mejorar el capital
humano, pero requieren un análisis exhaustivo de los datos relevantes que marcarán la diferencia
en las experiencias laborales y el rendimiento de una persona (Pariona-Cabrera et al., 2022; Verma
et al., 2024). Los beneficios emergentes de la analítica de RRHH obligan a la empresa a buscar su
implementación en los procesos o actividades relacionadas con el departamento de RRHH para
una mejor y más fluida gestión de los empleados que genera un valor organizacional superior
(Muhammad & Naz, 2022).
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 144
El uso de datos de RRHH para el análisis, la previsión y el aumento de la productividad en
la práctica (Halawi et al., 2024) ha aumentado de forma espectacular; las organizaciones acumulan
más datos personales y comerciales sobre sus empleados y utilizan progresivamente estas
tecnologías para automatizar los procesos de RRHH existentes (Chornous & Gura, 2020). Para
Gurusinghe et al., (2021), la analítica de RRHH se está convirtiendo en un activo que toda
organización debe tener en esta era digitalizada y tecnológica, ya que es la solución científica para
tomar decisiones efectivas basadas en evidencia hacia un futuro sostenible. Mientras que para
Wang & Katsamakas (2019, es una innovación que actualmente se encuentra en la etapa de
adopción temprana (menos del 20% de adopción en todas las organizaciones) y hay escasa
investigación académica sobre este tema.
Metodología
La Revisión Sistemática de la Literatura (RSL) es un método empleado para identificar,
evaluar e interpretar el trabajo de los académicos en un campo elegido; su propósito es identificar
lagunas en el conocimiento y necesidades de investigación en un campo concreto (García-Peñalvo,
2022); es una forma de resumir la evidencia científica para responder a una pregunta de
investigación de forma transparente y reproducible, buscando incluir y evaluar la calidad de toda
la evidencia publicada sobre el tema (Lame, 2019); así mismo, proporciona una metodología
robusta para consolidar el conocimiento de múltiples académicos y limitar el sesgo entre ellos
(Williams et al., 2021).
Las revisiones de la literatura juegan un papel fundamental al afectar el desarrollo y la
evolución de la teoría dentro de un área de estudio; permiten a los investigadores evaluar lo que
los académicos han logrado y proponer nuevas conceptualizaciones y caminos para estudios
futuros (Tsiotsou et al., 2022). Aunque existen diferentes procedimientos para realizar una
Revisión Sistemática de Literatura, en esta investigación se hace una adaptación de la metodología
usada por D’Armas-Regnault et al. (2022); considerando, además, aspectos de la Declaración
PRISMA (Page et al., 2021), de reciente actualización y de amplia difusión en la comunidad
científica.
Fue así como, siguiendo una serie de procedimientos estrictos y definidos, se realizó la
revisión de literatura acerca de la analítica de RRHH, incluyendo artículos, publicados entre el año
2010 y 2023. En primer lugar, se hizo una búsqueda rigurosa en bases de datos científicas, en las
cuáles se incluyen Web Of Science, SciELO, ProQuest, Elsevier y Researchgate. La búsqueda se
realizó durante la primera quincena del mes de enero del año 2023, para lo cual se emplearon las
siguientes palabras clave: human resource analytics, HR analytics, people analytics, talent
analytics, workforce analytics; en: Titulo (title) OR Resumen (abstract) AND Idiomas: inglés AND
Año: 2010-2023 AND Tipo de documentos: artículos de investigación (Research articles). En
segundo lugar, se seleccionaron 69 documentos que cumplían con los criterios de inclusión, es
decir, contaban con relevancia temática, rigurosidad metodológica y eran de acceso abierto o
disponible. En tercer lugar, se evaluó la calidad de los artículos, es decir, si estos cumplían con los
criterios para el análisis. Finalmente, los hallazgos se recopilaron e interpretaron de manera
sucinta, reportando las revistas y los artículos analizados (ver Tabla 1), los métodos de
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 145
investigación, las técnicas estadísticas, los principales tópicos, por áreas y periodo y los autores
más prolíficos.
Tabla 1
Revistas y artículos analizados
ID
Revista
n
%
1
Strategic HR Review
5
7.2%
2
Human Resource Management Journal
3
4.3%
3
Journal of Organizational Effectiveness People and Performance
3
4.3%
4
Personnel Review
3
4.3%
5
The International Journal of Human Resource Management
3
4.3%
6
Harvard Business Review
2
2.9%
7
Human Resource Management
2
2.9%
8
IEEE access: practical innovations, open solutions
2
2.9%
9
International Journal of Business Intelligence Research
2
2.9%
10
International Journal of Manpower
2
2.9%
11
TD Magazine
2
2.9%
12
Asia Pacific Journal of Information Systems
1
1.4%
13
AtoZ novas práticas em informação e conhecimento
1
1.4%
14
Baltic Journal of Management
1
1.4%
15
Business horizons
1
1.4%
16
Calitatea: Acces la Success
1
1.4%
17
Competitiveness Review Journal
1
1.4%
18
European journal of sustainable development
1
1.4%
19
Expert systems
1
1.4%
20
Gruppe Interaktion Organisation Zeitschrift Für Angewandte Organisationspsychologie
1
1.4%
21
Human Relations; Studies towards the Integration of the Social Sciences
1
1.4%
22
Human Resource Management International Digest
1
1.4%
23
Human Resource Management Review
1
1.4%
24
IBM journal of research and development
1
1.4%
25
IEEE transactions on knowledge and data engineering
1
1.4%
26
Information and Organization
1
1.4%
27
International Conference on Computer Communication and Informatics
1
1.4%
28
International Journal of Information Management
1
1.4%
29
International Journal of Information Technology
1
1.4%
30
International Journal of Organizational Analysis
1
1.4%
31
Journal of cases on information technology
1
1.4%
32
Journal of General Management
1
1.4%
33
Journal of Information Communication and Ethics in Society
1
1.4%
34
Journal of Leadership Studies
1
1.4%
35
Journal of Management Analytics
1
1.4%
36
Journal of teaching in travel & tourism
1
1.4%
37
Journal of Work and Organizational Psychology
1
1.4%
38
Korean Management Consulting Review
1
1.4%
39
Management
1
1.4%
40
Management Decision
1
1.4%
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 146
ID
Revista
n
%
41
Management Research and Practice
1
1.4%
42
Management Research Review
1
1.4%
43
Management Science
1
1.4%
44
New Technology, Work and Employment
1
1.4%
45
Organizacija
1
1.4%
46
Organizational dynamics
1
1.4%
47
Review of Managerial Science
1
1.4%
48
Social Sciences
1
1.4%
49
Surveillance & society
1
1.4%
50
Sustainability
1
1.4%
51
UNSW Law Journal
1
1.4%
TOTAL
69
100.0%
Resultados y Discusión
El proceso sistemático de revisión inicia definiendo las publicaciones y el período de
tiempo de los documentos examinados. Se procede detallando los métodos de investigación y
técnicas utilizadas. Posteriormente, se focaliza en los tópicos estudiados y áreas específicas, así
como en las tecnologías abordadas en las muestras analizadas, además de identificar a los autores
y países más destacados en la analítica de RRHH.
Revistas y periodo temporal
La Tabla 1 ilustra que la principal revista en publicar investigaciones sobre analítica de
RRHH es Strategic HR Review (7.2%), en segundo lugar, se encuentra Human Resource
Management Journal junto a Journal of Organizational Effectiveness People and Performance,
Personnel Review y The International Journal of Human Resource Management (todas ellas con
4.3%). De acuerdo con los criterios de inclusión establecidos, el límite temporal para la búsqueda
de artículos tuvo un rango de 10 años, de 2010 a 2023. Con el propósito de examinar la progresión
de la literatura en términos de volumen de publicación, los artículos se clasificaron en tres periodos
temporales: (a) de fecha menor a 2010 (1 artículo; 1,4%); (b) entre 2011 y 2020 (44 artículos;
63,8%); y (c) de 2021 hasta 2023 (24 artículos; 34,8%). Con ello, se evidencia el incremento de
publicaciones sobre analítica de RRHH en los últimos 13 años y cómo antes del año 2010 las
publicaciones sobre este tema eran casi inexistentes.
Métodos y técnicas
Para los fines de esta revisión, se han clasificado los artículos en empíricos y teóricos. La
clasificación se basó en criterios específicos, y a continuación se detallan las características
distintivas de cada tipo para proporcionar un marco claro de comprensión. En cuanto a los trabajos
empíricos, se incluyeron diversas formas de investigaciones. La revisión de la literatura se basa en
analizar y sintetizar la literatura existente sobre un tema, identificando tendencias y brechas. El
análisis de contenido se centra en examinar y categorizar el contenido de diversas fuentes,
revelando patrones temáticos y conceptos clave. El estudio de campo implica investigaciones
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 147
llevadas a cabo en entornos naturales, recolectando datos de primera mano mediante observaciones
directas o interacción con participantes. Los diseños experimentales buscan establecer relaciones
de causa y efecto mediante la manipulación de variables independientes y la observación de sus
efectos. El estudio de caso implica un análisis detallado de un caso específico, proporcionando una
comprensión profunda del fenómeno en cuestión. Por otro lado, los trabajos teóricos se centran en
el desarrollo, análisis o revisión de teorías dentro de un campo específico de conocimiento. Estas
investigaciones involucran la exploración y desarrollo de nuevas teorías, el análisis crítico de
teorías existentes, la proposición de marcos conceptuales, y se enfocan en la construcción y
desarrollo de conceptos.
Tabla 2
Métodos de investigación y técnicas estadísticas por periodo
MÉTODOS
2010-2014
2015-2019
2020-2023
TOTAL
n
%
n
%
n
%
n
%
EMPÍRICOS
7
10.1%
20
29.0%
31
44.9%
58
84.1%
Revisión de literatura
5
7.2%
9
13.0%
9
13.0%
23
33.3%
Análisis de contenido
1
1.4%
4
5.8%
9
13.0%
14
20.3%
Estudio de campo
0
0.0%
2
2.9%
7
10.1%
9
13.0%
Experimental
1
1.4%
3
4.3%
5
7.2%
9
13.0%
Estudio de caso
0
0.0%
2
2.9%
1
1.4%
3
4.3%
TEÓRICOS
1
1.4%
5
7.2%
5
7.2%
11
15.9%
TÉCNICAS ESTADÍSTICAS
Descriptivo
4
5.8%
10
14.5%
9
13.0%
23
33.3%
Univariante
1
1.4%
4
5.8%
9
13.0%
14
20.3%
Multivariante
0
0.0%
5
7.2%
5
7.2%
10
14.5%
N.A.
3
4.3%
6
8.7%
10
14.5%
19
27.5%
SEM/PATH
0
0.0%
0
0.0%
3
4.3%
3
4.3%
TOTAL
8
11.6%
25
36.2%
36
52.2%
69
100.0%
Como resultado de la revisión, una alta prevalencia (84.1%) de los artículos se centra en
enfoques empíricos (Davenport et al., 2010; Worth, 2011), siendo la revisión de literatura (Larsson
& Edwards, 2022; Weiskopf & Hansen, 2023) y el análisis de contenido (Gelbard et al., 2018;
Greasley & Thomas; 2020) los métodos empíricos más frecuentemente utilizados en la
investigación sobre analítica de RRHH (ver tabla 2).
En el marco temporal del estudio, según un análisis por periodos, en todos los periodos
destaca la revisión de literatura como el método más utilizado (33.3%), sin embargo, es en los
períodos 2015-2019 y 2020-2023 en los cuáles el análisis de contenido (20.3%), los estudios de
campo (13.0%) y los estudios experimentales (13.0%) empiezan a tener mayor prevalencia.
Técnicas estadísticas
En lo concerniente a las técnicas estadísticas (ver tabla 2), los hallazgos indican que la
técnica más utilizada en los artículos sobre analítica de RRHH es el análisis descriptivo (33.3%),
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 148
seguido por el análisis univariante (20.3%). A lo largo del tiempo, hay un aumento en la aplicación
de técnicas estadísticas descriptivas y una disminución en el uso de técnicas univariantes y
multivariantes. La categoría "N.A." sugiere que algunos artículos no aplican técnicas estadísticas
específicas, mientras que SEM/PATH ha ganado cierta relevancia en los últimos años.
Tópicos
Hemos clasificado cada artículo según el tópico que más se trataba en los mismos, y a su
vez al analizar lo que tenían en común los tópicos observamos como los artículos se clasifican, en
tres grandes áreas: el área de Herramientas, el área de Aplicaciones y el área de Ética y privacidad
(ver tabla 3).
En la primera área ubicamos los artículos cuyos tópicos giran alrededor de herramientas
TICs aplicadas a analítica de RRHH en general, sin especificar a qué función se aplican de manera
específica; en esta área se ubican los tópicos de Sistemas de Gestión de Información de Empleados,
y Plataformas de análisis y visualización de Datos.
Por otra parte, el área de Aplicaciones engloba los artículos que se centran el uso de las
TICs en diversas funciones clásicas de RRHH, como los Procesos de Contratación y Selección, la
Gestión del Rendimiento y la Productividad, la Retención del Talento y la Rotación del Personal
o la Formación (Herramientas de Gestión del Talento).
Por último, hay un área centrada en los Problemas de ética y de Privacidad que siempre se
suscitan alrededor del uso de las TICs, como en este caso ocurre con la Privacidad de los Datos de
Empleados o la ética en el Uso de Datos de Empleados.
En el análisis de 69 artículos científicos sobre analítica de RRHH, se observan tendencias
significativas en el enfoque y la evolución de la investigación en diferentes períodos. La tabla 3
presenta las principales áreas y tópicos por periodo: 2010-2014, 2015-2019 y 2020-2023. Se
examinan tres aspectos principales: herramientas utilizadas, aplicaciones de la analítica de RRHH
y consideraciones éticas y de privacidad.
En cuanto a las herramientas, el 26.09% tocaron al menos un tópico sobre esta área,
observándose un crecimiento gradual en el número de estudios que mencionan herramientas
específicas empleadas en la analítica de RRHH a lo largo del tiempo. Este incremento es
especialmente notable en el período de 2020-2023, donde se registró un aumento significativo en
la proporción de estudios dedicados a este tema, representando un 15.90% del total de estudios
analizados. En el 2015-2019, la cantidad de estudios centrados en herramientas fue de 10.1%,
mientras que, en el periodo 2010-2014 no se identificaron estudios centrados en esta área.
Por otro lado, las aplicaciones de la analítica de RRHH son el tema más prevalente en la
literatura revisada, constituyendo un 57.97% del total de artículos revisados. Se observa un
aumento constante en el número de estudios que abordan este aspecto a lo largo del tiempo, con
un pico en el período de 2020-2023, donde representaron el 30.40% del total de estudios
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 149
analizados. Estos estudios se centran en áreas como la gestión del rendimiento y productividad, en
procesos de selección y contratación entre otros.
En relación con las consideraciones éticas y de privacidad, aunque constituyen una
proporción menor (15.94%) en comparación con el área de herramientas y de aplicaciones,
también muestran un aumento gradual en el número de estudios que las abordan a lo largo del
tiempo. Sin embargo, se observa que la proporción de estudios centrados en tópicos relacionados
a la ética y privacidad se mantuvo constante en los últimos nueve años.
Tabla 3
Áreas y tópicos por periodo
TÓPICOS
2010-
2014
2015-2019
2020-2023
TOTAL
n
%
n
%
n
%
n
%
HERRAMIENTAS
0
0.0%
7
10.1%
11
15.9%
18
26.09%
Sistemas de Gestión de Información de Empleados
0
0.0%
4
5.8%
7
10.1%
11
15.94%
Herramientas de seguimiento de datos de empleados
0
0.0%
2
2.9%
4
5.8%
6
8.70%
Software de gestión de RR.HH.
0
0.0%
2
2.9%
3
4.3%
5
7.25%
Plataformas de Análisis y Visualización de Datos
0
0.0%
3
4.3%
4
5.8%
7
10.14%
Herramientas para análisis predictivo y prescriptivo
0
0.0%
2
2.9%
3
4.3%
5
7.25%
Software para la creación de paneles de control y reportes
0
0.0%
1
1.4%
1
1.4%
2
2.90%
APLICACIONES
5
7.2%
14
20.3%
21
30.4%
40
57.97%
Procesos de Selección y Contratación
1
1.4%
3
4.3%
5
7.2%
9
13.04%
Uso de datos para mejorar la identificación de candidatos
1
1.4%
2
2.9%
3
4.3%
6
8.70%
Análisis de datos en el proceso de toma de decisiones de contratación
0
0.0%
1
1.4%
2
2.9%
3
4.35%
Gestión del Rendimiento y Productividad
2
2.9%
6
8.7%
9
13.0%
17
24.64%
Plataformas para evaluación del desempeño
1
1.4%
2
2.9%
2
2.9%
5
7.25%
Plataformas de gestión de datos de rendimiento
1
1.4%
1
1.4%
2
2.9%
4
5.80%
Análisis del rendimiento individual y grupal
0
0.0%
2
2.9%
3
4.3%
5
7.25%
Estrategias basadas en datos para la mejora del rendimiento
0
0.0%
1
1.4%
2
2.9%
3
4.35%
Retención de Talento y Rotación de Personal
1
1.4%
3
4.3%
5
7.2%
9
13.04%
Análisis de factores que afectan la retención de empleados
1
1.4%
2
2.9%
2
2.9%
5
7.25%
Estrategias para reducir la rotación basadas en datos
0
0.0%
1
1.4%
3
4.3%
4
5.80%
Herramientas de Gestión de Talento
1
1.4%
2
2.9%
2
2.9%
5
7.25%
Sistemas de gestión de aprendizaje y desarrollo
1
1.4%
2
2.9%
2
2.9%
5
7.25%
ÉTICA Y PRIVACIDAD
3
4.3%
4
5.8%
4
5.8%
11
15.94%
Privacidad de los Datos de Empleados
2
2.9%
2
2.9%
2
2.9%
6
8.70%
Regulaciones y cumplimiento en la gestión de datos de empleados
1
1.4%
1
1.4%
2
2.9%
4
5.80%
Seguridad y protección de la información personal
1
1.4%
1
1.4%
0
0.0%
2
2.90%
Ética en el Uso de Datos de Empleados
1
1.4%
2
2.9%
2
2.9%
5
7.25%
Consideraciones éticas al utilizar datos personales para toma de decisiones
0
0.0%
1
1.4%
1
1.4%
2
2.90%
Transparencia en el uso y manejo de datos del personal
1
1.4%
1
1.4%
1
1.4%
3
4.35%
TOTAL
8
11.6%
25
36.2%
36
52.2%
69
100.00%
La evolución en las publicaciones científicas muestra un cambio de enfoque desde la aparición
de desafíos éticos asociados con las TICs en general y, con la analítica de RRHH, en particular.
Pasaremos, a continuación, a describir los tópicos de las tres áreas observadas.
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 150
a) Herramientas
Sistemas de Gestión de Información de Empleados. La revisión documental revela una serie
de herramientas innovadoras en la analítica de RRHH, dentro del tópico de Sistemas de Gestión
de Información de Empleados. Castellano (2014) indica que, estos enfoques emergentes, sugieren
una transformación en la forma en que las empresas evalúan y desarrollan a su personal.
Además, se resalta la importancia de herramientas de análisis que presenten información
de manera comprensible mediante gráficos, mapas y paneles analíticos (Lal, 2015). Este énfasis
en la presentación visual indica una necesidad creciente de comunicar de manera efectiva los datos
de RRHH, facilitando la toma de decisiones informada.
En este contexto, la integración de sistemas, como ERP, HCM, Inteligencia Empresarial y
analítica predictiva, surge como un requisito esencial para el procesamiento eficaz de datos de
RRHH (Chornous & Gura, 2020). Esta convergencia tecnológica señala la importancia de
herramientas avanzadas de software para gestionar de manera efectiva grandes volúmenes de
datos, lo que puede ser crucial para las empresas en la era de la información. Estos hallazgos
indican que, las herramientas en Sistemas de Gestión de Información de Empleados están
evolucionando hacia métodos más interactivos, visuales e integrados, sugiriendo una revolución
en la forma en que las organizaciones manejan y analizan la información de RRHH.
Plataformas de Análisis y Visualización de Datos. Existe una destacada importancia crítica
de las plataformas de análisis y visualización de datos en el ámbito de la analítica de RRHH. La
necesidad de presentar datos complejos de manera comprensible mediante gráficos, mapas y
paneles analíticos subraya la importancia de estas plataformas en la toma de decisiones basada en
datos (Lal, 2015).
Wang & Katsamakas (2021) introducen la noción de un sistema de recomendación basado
en métricas y algoritmos de grafo, destacando la necesidad de plataformas de visualización
estructuradas. La arquitectura propuesta, que supera a otros métodos en términos de precisión
predictiva y efectividad de recomendación, señala la importancia de las plataformas especializadas
para entender la complejidad de los datos de RRHH.
Además, la propuesta de Fernández & Gallardo-Gallardo (2020) sobre el "People Analytics
Effectiveness Wheel" como una herramienta guía sugiere la necesidad de plataformas que no solo
presenten datos, sino que también faciliten la implementación efectiva de estrategias basadas en
análisis de datos de empleados.
Chiavenato (2019) considera que existen dos formas de administrar el conocimiento, en la
primera, se gestiona la información y, en la segunda, se gestiona al personal. Bajo este enfoque,
las herramientas de analítica de recursos humanos se considerarían como sistemas que apoyan los
procesos de información. Con base en las evidencias, las plataformas de análisis y visualización
de datos están emergiendo como facilitadoras cruciales para la interpretación y aplicación efectiva
de la analítica de RRHH, contribuyendo significativamente a la toma de decisiones informadas.
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 151
b) Aplicaciones
Procesos de Selección y Contratación. La aplicación de la analítica de talento ha
transformado los procesos de selección y contratación, permitiendo a las empresas mejorar la
retención de empleados y prever futuras necesidades de personal (Davenport et al., 2010). La
importancia de analizar y prever el talento futuro, incluso durante recesiones económicas, resalta
la aplicación estratégica de la inteligencia empresarial basada en el capital humano, para
maximizar el potencial de la fuerza laboral (Worth, 2011).
Se evidencia que la discriminación laboral ha evolucionado con la analítica de talento,
ahora manifestándose como discriminación "info-estructural," basada en segmentación predictiva
y acciones prescriptivas (Burdon & Harpur, 2014). Este cambio destaca la necesidad de una
reflexión crítica sobre el uso ético de la analítica en los procesos de selección y contratación. A
pesar de los avances, se plantea un riesgo crítico: la analítica de RRHH podría convertirse en una
moda de gestión sin un valor sostenible, y gran parte de ella carece de evidencia sólida que respalde
su contribución (Rasmussen & Ulrich, 2015). Esto insta a las organizaciones a evaluar
cuidadosamente el impacto real de estas prácticas en la eficacia de los procesos de selección y
contratación.
En este contexto, Wroe (2012) enfatiza la necesidad de hacer las preguntas correctas y
evaluar la calidad de los datos internos para tomar decisiones precisas, considerando la integración
de datos dispersos, especialmente en áreas como la formación y la contratación, donde una visión
completa es esencial para la toma de decisiones informada. Álvarez-Gutiérrez et al. (2022),
resaltan que la aplicación de la analítica de talento ha influido en los procesos de selección y
contratación al mejorar la retención, prever futuras necesidades y, al mismo tiempo, ha planteado
desafíos éticos y cuestionamientos sobre su impacto sostenible en la toma de decisiones.
Gestión del Rendimiento y Productividad. La integración de la analítica en estos procesos
es esencial para medir la retención, el compromiso, la productividad y el impacto de la fuerza
laboral en el rendimiento financiero (Kapoor & Kabra, 2014). Para poder medir el rendimiento y
la productividad, es fundamental, en primer lugar, distinguir entre métricas descriptivas y
predictivas en la toma de decisiones de gestión de equipos y talento, subrayando la necesidad de
un enfoque proactivo y predictivo en la evaluación del rendimiento (Castellano, 2014). La eficacia
de la analítica de RRHH en el sistema de evaluación del rendimiento se destaca, influyendo
positivamente en la percepción de precisión y equidad por parte de los empleados (Sharma &
Sharma, 2017). En este punto, se ha propuesto una alternativa para alcanzar el éxito en la analítica
de RRHH, basada en la integración del desarrollo ágil con la investigación científica, lo que
destaca la importancia de métodos dinámicos y científicos en la mejora del rendimiento y la gestión
del personal (McIver et al., 2018). Otro aspecto fundamental es la aplicación de la analítica en la
identificación de competencias de liderazgo y la vinculación estadística de estos datos con
resultados comerciales clave (Bassi & McMurrer, 2016). Se resalta que, la analítica de RRHH ha
impactado significativamente la gestión del rendimiento y productividad al proporcionar enfoques
predictivos, mejorar la percepción de los empleados y establecer conexiones estadísticas entre
competencias de liderazgo y resultados comerciales.
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 152
Retención de Talento y Rotación de Personal. La aplicación de la analítica de RRHH en la
retención de talento y la rotación de personal emerge como un área clave de enfoque según la
revisión documental realizada. Se destaca el potencial de la analítica en RRHH para medir la
retención, anticipar las necesidades de la organización y mejorar la toma de decisiones
relacionadas con la fuerza laboral (Simbeck, 2019). La predicción del éxito de equipos de
proyectos, la identificación de competencias de liderazgo y la aplicación de modelos como el LAM
(Luo et al., 2019) evidencian la variedad de aplicaciones de la analítica en estas áreas.
La retención de talento se ha tocado como un tema crítico, y se sostiene que el análisis
predictivo puede ser aplicado para abordar esta preocupación mediante la identificación de factores
que afectan la retención y estrategias basadas en datos para reducir el problema de una alta rotación
(Sivathanu & Pillai, 2020). Sin embargo, la adopción de la analítica en RRHH aún se encuentra en
una etapa temprana en muchas organizaciones, lo que podría afectar la retención de talento
(Pongpisutsopa et al., 2020). Además, se resalta la necesidad de cooperación entre analistas de
datos y profesionales de RRHH para proporcionar información relevante para la toma de
decisiones empresariales (Dahlbom et al., 2020). Por tanto, la aplicación de la analítica de RRHH
en la retención de talento y rotación de personal ofrece un amplio espectro de posibilidades, desde
la predicción del éxito de equipos hasta la identificación de factores críticos para la retención,
destacando su papel estratégico en la gestión de la fuerza laboral.
Herramientas de Gestión de Talento. Se ha generado un panorama diverso de herramientas
en el ámbito de la Gestión de Talento en la analítica de RRHH. Castellano (2014) destaca el uso
de videojuegos y análisis de datos de actividad en línea como innovadoras técnicas de evaluación
de liderazgo, apuntando a un enfoque más dinámico en la identificación del potencial de los
empleados.
En el ámbito educativo, Martin-Rios et al. (2017) proponen herramientas de enseñanza,
como casos de negocio y conjuntos de datos de RRHH, como recursos cruciales para impartir
conocimientos equilibrados de teoría y práctica en HRM. Esto indica que la formación en el uso
de herramientas analíticas está ganando relevancia en la preparación de profesionales de RRHH.
Simbeck (2019) destaca cómo las herramientas de análisis de talento pueden aprovechar el big
data para obtener información valiosa y respaldar decisiones estratégicas.
Esta tendencia indica que las herramientas de gestión de talento están evolucionando para
ofrecer análisis más detallados y personalizados, reflejando una diversidad de enfoques en la
aplicación de la analítica de RRHH para la gestión efectiva del talento organizacional (Martin-
Rios et al. 2017).
c) Ética y privacidad
Privacidad de los Datos de Empleados. La protección de la privacidad de los datos de
empleados es una consideración fundamental en la aplicación de la analítica de RRHH. Se destaca
la importancia de desarrollar procesos basados en protecciones de privacidad de la información y
leyes antidiscriminación para abordar sesgos y desigualdades resultantes de la analítica de talento
(Burdon & Harpur, 2014). Además, existe una necesidad de fundamentos sólidos de datos y
políticas de privacidad al utilizar la analítica de personas, enfatizando la confianza del empleado
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 153
y el cumplimiento de las normativas de privacidad (Green, 2017). Algunas preocupaciones
específicas, como la monitorización de redes sociales personales y el uso de algoritmos para
decisiones de contratación o promoción, plantean desafíos éticos y legales en términos de
privacidad (Tursunbayeva et al., 2018).
La ética en la analítica de RRHH reconoce la asimetría de poder entre el propietario y el
procesador de datos. La confianza y el respeto a la privacidad son cruciales para el éxito de los
proyectos de análisis de talento (Nocker & Sena, 2019). La seguridad de la información y la
protección de datos, incluyendo la gestión sólida de la reputación corporativa, son requisitos para
abordar riesgos éticos y garantizar la privacidad de los datos de los empleados en la era digital
(Chornous & Gura, 2020).
La preocupación ética sobre la vigilancia constante en el lugar de trabajo, comparada con
la teoría del panóptico de Jeremy Bentham, destaca los interrogantes éticos sobre la privacidad de
los empleados, incluso en ausencia física del supervisor (Manokha, 2020). Además, se deben
abordar cuestiones éticas y legales al acceder a datos sensibles de empleados para la analítica de
personas, enfatizando la necesidad de precaución y cumplimiento con normativas legales y éticas
(Ryan, 2021).
La ética y la privacidad se entrelazan con los debates sobre la implementación de proyectos
de analítica de talento humano, y la "ética anticipada" se sugiere como un enfoque para abordar
los riesgos potenciales. Se destaca la importancia de establecer marcos éticos basados en evidencia
para guiar a reguladores, industria y profesionales de la analítica de talento humano (Tursunbayeva
et al., 2022). Además, el uso de la teoría del cálculo de la privacidad sugiere que la percepción de
riesgos y beneficios influye en la adopción de aplicaciones de analítica de RRHH (Chatterjee et
al., 2022). Finalmente, la protección de la privacidad de los datos de empleados en el contexto de
la analítica de RRHH es un tema crítico, y se hace hincapié en la necesidad de políticas sólidas,
cumplimiento normativo y transparencia para garantizar un uso ético de la información personal.
Ética en el Uso de Datos de Empleados. La ética en la analítica de RRHH es un tema
recurrente en la literatura, especialmente con el aumento del uso de métodos analíticos avanzados.
La equidad algorítmica se plantea como un enfoque crucial para reducir la discriminación en el
análisis de datos de RRHH, destacando la importancia de marcos éticos para garantizar la equidad
y la transparencia en el uso de estos métodos (Simbeck, 2019).
La cultura organizativa y el cambio cultural son elementos de la ética de la analítica de
RRHH, sugiriendo la necesidad de cooperación y consideración ética al aprovechar plenamente la
analítica (Dahlbom et al., 2020). Además, la vigilancia constante en el lugar de trabajo se presenta
como una preocupación ética que destaca la necesidad de abordar interrogantes sobre la privacidad
de los empleados (Manokha, 2020). Esto ha ocasionado un ciclo vicioso de desafíos éticos
asociados con la implementación de la analítica de personas en las organizaciones, incluyendo
preocupaciones sobre la opacidad algorítmica, la dataficación y la persuasión. Estos desafíos éticos
pueden limitar la capacidad de las personas para desarrollarse y prosperar en el entorno laboral
(Gal et al., 2020). La necesidad de abordar cuestiones éticas y legales al gestionar datos personales
de empleados se enfatiza, destacando la importancia de la transparencia en el análisis de datos y
la comprensión de las relaciones de causa y efecto (Karwehl & Kauffeld, 2021).
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 154
Además, se destaca que la politización y la resistencia son elementos clave para abordar
cuestiones éticas relacionadas con la tecnología en el lugar de trabajo. Los empleados pueden
resistirse a la automatización, y los expertos pueden exponer el funcionamiento problemático de
las tecnologías, enfatizando la importancia de la resistencia y la politización en este contexto
(Weiskopf & Hansen, 2023). Por lo mencionado, la ética en el uso de datos de empleados en la
analítica de RRHH abarca la equidad, la transparencia, el cambio cultural y la resistencia para
garantizar prácticas éticas y responsables en la gestión de RRHH.
Autores
La Tabla 4 muestra a los autores de cada uno de los 69 artículos de esta revisión y sus
respectivas filiaciones. El autor más prolífico en cuanto a su contribución por número de artículos
publicados es Tursunbayeva con tres artículos publicados, luego, se encuentran Chalutz Ben-Gal,
Fernández, Gal, Jensen, Pagliari, Di Lauro y Antonelli, todos ellos con dos publicaciones
realizadas. Respecto a las instituciones de filiación de los autores, Zhejiang University (China) y
Bowling Green State University (EE. UU.) tienen la mayor cantidad de autores (cuatro autores)
que han publicado sobre la analítica de RRHH. De manera similar, otras instituciones como,
Mahidol University (Tailandia), y Tel Aviv University (Israel) también tienen múltiples autores
(tres autores) que han publicado en este campo. Otras instituciones que tienen al menos dos autores
que han publicado artículos relacionados a esta temática son University of Twente (Países Bajos),
Symbiosis Centre for Management and Human Resource Development (India), University of
Molise (Italia), Taras Shevchenko National University of Kyiv (Ucrania), Universitat Politècnica
de Catalunya (España), University of Sibiu (Romania), Amity University (India), University
College Dublin (Irlanda), University of Innsbruck (Austria), University of Nottingham (Reino
Unido), Durham University (Reino Unido), Martin-Luther-University Halle-Wittenberg
(Alemania), Marri Laxman Reddy Institute of Technology and Management (India) y la
Universidad de Santiago de Compostela (España). Estos hallazgos sugieren la relevancia y la
contribución significativa de ciertas instituciones en la investigación y publicación de estudios
relacionados con la analítica de RRHH.
Tabla 4:
Artículos publicados por autor y filiación
ID
Autor(es)
Filiación
1
Davenport, T. H., Harris, J., &
Shapiro, J
Babson College (EE.UU.); Accenture’s Institute for High
Performance (EE.UU.), Morgan Stanley (EE.UU.)
2
Aral, S., Brynjolfsson, E., &
Wu, L
New York University (EE.UU.); Massachusetts Institute
of Technology (EE.UU.)
3
V. Sinha, K. S. Subramanian,
S. Bhattacharya, K. Chaudhuri
Symbiosis Centre for Management and Human Resource
Development (India)
4
Carey W. Worth
Consultor (EE. UU.)
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 155
ID
Autor(es)
Filiación
5
Burdon, M., & Harpur, P
The University of Queensland, (Australia)
6
Rasmussen, T., & Ulrich, D
Royal Dutch Shell (Países Bajos); University of Michigan
(EE. UU).
7
Wroe, Nels
-
8
Khan, S. A., & Tang, J.
University of Missouri (EE.UU.); Nankai University
(China)
9
Green, David
10
Kapoor, B., & Kabra, Y
California State University (EE. UU)
11
van den Heuvel, S., &
Bondarouk, T
Hogeschool Utrecht (Países Bajos); University of Twente
(Países Bajos)
12
Castellano, Stephanie
-
13
Martin-Rios, C., Pougnet, S.,
& Nogareda, A. M
University of Applied Sciences Western (Suiza)
14
Lal, P
International Management Institute (India)
15
Sharma, A., & Sharma, T
Australian Catholic University (Australia)
16
McIver, D., Lengnick-Hall, M.
L., & Lengnick-Hall, C. A
Western Michigan University (EE.UU.); University of
Texas at San Antonio (EE.UU.); University of Texas at
San Antonio (EE.UU.)
17
Bassi, L., & McMurrer, D
University of Phoenix (EE.UU.)
18
Levenson, A
University of Southern California (EE.UU.)
19
Simón, C., & Ferreiro, E.
IE University (España); Inditex (España)
20
Leonardi, Paul & Contractor,
Noshir
University of California (EE.UU.); Northwestern
University (EE.UU.)
21
Gelbard, R., Ramon-Gonen,
R., Carmeli, A., Bittmann, R.
M., & Talyansky, R
Bar‐Ila University (Israel); Tel Aviv University (Israel);
University of Surrey (Reino Unido); Machine Learning
Center (Israel)
22
Vargas, R., Yurova, Y. V.,
Ruppel, C. P., Tworoger, L.
C., & Greenwood, R
Bridgewater College (EE.UU.); H. Wayne Huizenga
College of Business and Entrepreneurship (EE.UU.)
23
Walford-Wright, G., & Scott-
Jackson, W
Oxford Strategic Consulting (Reino Unido)
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 156
ID
Autor(es)
Filiación
24
Mayo, A
Middlesex University (Reino Unido)
25
Lee, Hwanwoo
Kyungpook National University (Corea del Sur)
26
Tursunbayeva, A., Di Lauro,
S., & Pagliari, C
Universidad de Edimburgo (Reino Unido), Universidad de
Molise (Italia), Universidad de Nápoles Federico II (Italia)
27
DiClaudio, M
KPMG LLP Michigan (EE. UU.)
28
Fernandez, J
Information Services Group (EE.UU.)
29
Luo, Z., Liu, L., Yin, J., Li,
Y., & Wu, Z
Zhejiang University (China), Georgia Institute of
Technology (EE.UU.); Zhejiang University (China);
Zhejiang University (China); Zhejiang University (China).
30
Simbeck, K
Hochschule für Technik und Wirtschaft Berlin (Germany)
31
Necula, S.-C., & Strîmbei, C.
Alexandru Ioan Cuza University of Iasi (Romania)
32
Chalutz Ben-Gal, H
Afeka College of Engineering (Israel); San Jose State
University (EE.UU.)
33
Nocker, M., & Sena, V
University of Essex (Reino Unido)
34
Sivathanu, B., & Pillai, R.
Symbiosis International University (India); Pune Institute
of Business Management (India)
35
Dahlbom, P., Siikanen, N.,
Sajasalo, P., & Jarvenpää, M
Jyväskylä University (Finlandia); University of Vaasa
(Finlandia)
36
Pongpisutsopa, S.,
Thammaboosadee, S., &
Chuckpaiwong, R
Mahidol University (Tailandia); Mahidol University
(Tailandia); Mahidol University (Tailandia)
37
Manokha, Ivan
Universidad de Oxford (Reino Unido)
38
Chornous, G. O., & Gura, V.
L.
Taras Shevchenko National University of Kyiv (Ucrania);
Taras Shevchenko National University of Kyiv (Ucrania)
39
Tursunbayeva, A
University of Molise (Italia)
40
Greasley, K., & Thomas, P
Lancaster University (Reino Unido)
41
Gal, U., Jensen, T. B., &
Stein, M.-K
University of Sydney Business School (Australia);
Copenhagen Business School (Dinamarca)
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 157
ID
Autor(es)
Filiación
42
Polyakova, Alexandra;
Kolmakov, Vladimir;
Pokamestov, Ilya
Plekhanov Russian University of Economics (Russia);
Industrial University of Tyumen (Russia); Plekhanov
Russian University of Economics (Russia); Financial
University under the Government of the Russian
Federation (Russia)
43
Fernandez, V., & Gallardo-
Gallardo, E
Universitat Politècnica de Catalunya (España)
44
Peeters, T., Paauwe, J., & Van
De Voorde, K
Tilburg University (Países Bajos)
45
Ryan, J. C
Alfaisal University (Arabia Saudita)
46
Williams, Scott David
Wright State University (EE.UU.)
47
Kifor, C. V., Nicolaescu, S. S.,
Florea, A., Savescu, R. F.,
Receu, I., Tirlea, A. V., &
Danut, R. E
University of Sibiu (Romania); University of Sibiu
(Romania)
48
Saxena, M., Bagga, T., &
Gupta, S
Amity University (India); Amity University (India);
M.E.R.I (India)
49
Wang, N., & Katsamakas, E
Fordham University (EE. UU.)
50
Yahia, N. B., Hlel, J., &
Colomo-Palacios, R
University of Manouba (Túnez); Østfold University
College (Noruega)
51
Larsson, A.-S., & Edwards,
M. R.
King’s College London (Reino Unido); University of
Queensland (Australia)
52
Karwehl, L. J., & Kauffeld, S
Volkswagen AG (Alemania); Technische Universität
Braunschweig (Alemania)
53
Ellmer, M., & Reichel, A
University of Salzburg (Austria)
54
Tursunbayeva, A., Pagliari,
C., Di Lauro, S., & Antonelli,
G
University of Twente (Países Bajos); University of
Edinburgh (Reino Unido); University of Sannio (Italia)
55
Gurusinghe, R. N.,
Arachchige, B. J. H., &
Dayarathna, D
University of Sri Jayewardenepura (Sri Lanka)
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 158
ID
Autor(es)
Filiación
56
Chatterjee, S., Chaudhuri, R.,
Vrontis, D., & Siachou, E
IIT Kharagpur (India); NITIE (India); University of
Nicosia (Chipre); University of Athens (Greece); Hellenic
Open University (Greece)
57
Moraes, S. D. S., & Damian, I.
P. M
Universidade Estadual Paulista "Júlio de Mesquita Filho"
(Brasil); Universidade de São Paulo (Brasil)
58
Belizón, M. J., & Kieran, S.
University College Dublin (Irlanda); University of
Limerick (Irlanda)
59
Guo, F., Gallagher, C. M.,
Sun, T., Tavoosi, S., & Min, H
Bowling Green State University (EE.UU.); Kansas State
University (EE.UU.); University of Central Florida
(EE.UU.); Pennsylvania State University (EE.UU.)
60
McCartney, S., & Fu, N
Maynooth University (Irlanda); The University of Dublin
(Irlanda)
61
Ekka, S., & Singh, P
University of Hyderabad (India)
62
Weiskopf, R., & Hansen, H. K
University of Innsbruck (Austria); Copenhagen Business
School (Dinamarca)
63
Margherita, A.
University of Salento (Italia)
64
Avrahami, D., Pessach, D.,
Singer, G., & Chalutz Ben-
Gal, H
Tel Aviv University (Israel); Bar-Ilan University (Israel);
Afeka Tel-Aviv Academic College of Engineering (Israel)
65
Bryce, V., McBride, N. K., &
Cunden, M
University of Nottingham (Reino Unido); University of
Warwick Alumni & Friends (Reino Unido)
66
Bechter, B., Brandl, B., &
Lehr, A
Durham University (Reino Unido); Durham University
(Reino Unido); Radboud University (Países Bajos)
67
Wirges, F., & Neyer, A.-K
Martin-Luther-University Halle-Wittenberg (Alemania);
Martin-Luther-University Halle-Wittenberg (Alemania)
68
Bandi, G. N. S., Rao, T. S., &
Ali, S. S
Marri Laxman Reddy Institute of Technology and
Management (India); Institute of Aeronautical Engineering
(India); Marri Laxman Reddy Institute of Technology and
Management (India)
69
Álvarez-Gutiérrez, F. J.,
Stone, D. L., Castaño, A. M.,
& García-Izquierdo, A. L
University of Santiago de Compostela (España);
University of New Mexico (EE. UU.); University of
Oviedo (España)
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 159
Conclusiones
En la última década, se ha presentado un aumento significativo en la atención hacia la
temática de aplicaciones, herramientas, ética y privacidad en la analítica de RRHH. Además, se
observa una evolución hacia la aplicación práctica de teorías y métodos analíticos con un marcado
incremento en el uso de técnicas SEM/PATH en el ámbito estadístico.
La tendencia de las herramientas empleadas en la analítica de RRHH se orienta hacia
métodos más interactivos, visuales e integrados, transformando la manera en que las
organizaciones manejan la información de RRHH. Dentro de estas herramientas, las Plataformas
de Análisis y Visualización de Datos se destacan como facilitadoras cruciales para la interpretación
y aplicación efectiva de la analítica de RRHH, contribuyendo significativamente a la toma de
decisiones informadas. Gracias a estas herramientas, la analítica de RRHH ha transformado los
procesos de selección y contratación, mejorando la retención de talento y anticipando futuras
necesidades de personal. También ha impactado enormemente en la gestión del rendimiento y la
productividad (Halawi et al., 2024), empleando métodos de enseñanza, análisis y evaluación
avanzados y proporcionando enfoques predictivos.
Sin embargo, se resalta la necesidad de evaluar el impacto real de las prácticas de analítica
de RRHH, ya que existe el riesgo de convertirse en una moda de gestión sin valor sostenible (Chau
et al., 2024). Por lo tanto, se recomienda realizar estudios longitudinales que midan el impacto a
largo plazo de estas prácticas en diversas organizaciones y contextos culturales.
Debido al aspecto inherente de la protección de la privacidad de los datos de empleados, la
ética en la analítica de RRHH reconoce aspectos de asimetría de poder. La equidad algorítmica, la
transparencia y la resistencia son elementos clave para garantizar prácticas éticas y responsables
en la gestión de RRHH. Es fundamental desarrollar e implementar políticas claras y regulaciones
que aseguren la protección de los derechos de los empleados y fomenten la transparencia en el uso
de datos.
Finalmente, la analítica de RRHH representa un área emergente con un impacto
incuestionable en la toma de decisiones gerenciales y la gestión organizacional en general. A pesar
de enfrentar diversos desafíos, el crecimiento evidenciado en la publicación de investigaciones en
este campo y el respaldo sólido de sus aplicaciones demuestran un prometedor potencial de
desarrollo. Aunque las investigaciones tienden a adoptar en su mayoría un enfoque cualitativo,
destacan trabajos respaldados por encuestas y análisis estadístico avanzado. Las grandes
economías, como EE. UU. y Reino Unido, han sido el epicentro de estas investigaciones, pero se
vislumbra la posibilidad de establecer redes de cooperación que involucren a países emergentes,
como Ecuador, para posicionar proyectos de investigación en analítica de RRHH a nivel global.
Se recomienda fomentar colaboraciones internacionales y apoyar la financiación de proyectos de
investigación en países en desarrollo para ampliar el alcance y la aplicabilidad de los estudios en
este campo.
En cuanto a las limitaciones, se destaca el alcance temporal limitado debido a que el rango
de publicación de artículos sobre la temática está circunscrito en una ventana temporal de 13 años,
lo que podría haber excluido alguna investigación relevante publicada anteriormente. Otra
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 160
limitación es la falta de diversidad metodológica y peso estadístico adecuado en los estudios
revisados, lo cual limita la representatividad de las conclusiones. Por último, la interpretación de
los resultados está sujeta a criterios subjetivos como la selección de ciertos tópicos o áreas de
interés, lo que podría requerir un enfoque más objetivo y validación independiente.
A pesar de estas limitaciones, el estudio proporciona una visión integral de la investigación
en el campo de la analítica de RRHH, ofreciendo una revisión detallada de los principales hallazgos
y tendencias en el área. Esto podría ser útil para otros investigadores que deseen comprender mejor
el estado actual del campo e identificar áreas para futuras investigaciones. Se sugiere explorar
metodologías mixtas y desarrollar estudios que aborden las limitaciones identificadas, así como
investigar el impacto de la analítica de RRHH en diversos contextos organizacionales y culturales.
El estudio contribuye al cuerpo de conocimientos existente sobre la analítica de RRHH y
ofrece una base sólida para investigaciones futuras en el campo, incluyendo recomendaciones
prácticas para la implementación ética y efectiva de estas herramientas en las organizaciones.
Referencias bibliográficas
Álvarez-Gutiérrez, F.; Stone, D.; Castaño, A. & García-Izquierdo, A. (2022). Human Resources
Analytics: a systematic review from a sustainable management approach. Journal of Work
and Organizational Psychology, 38 (3), 129-147. https://doi.org/10.5093/jwop2022a18
Aral, S.; Brynjolfsson, E. & Wu, L. (2012). Three-Way Complementarities: Performance Pay,
Human Resource Analytics, and Information Technology. Management Science,
58(5):913-931. http://dx.doi.org/10.1287/mnsc.1110.1460
Arora, M., Prakash, A., Mittal, A. & Singh, S. (2022). Examining the slow acceptance of HR
analytics in the Indian engineering and construction industry: a SEM-ANN-based
approach. Engineering, Construction and Architectural Management.
https://doi.org/10.1108/ECAM-09-2021-0795
Bandi, G.; Rao, T. & Ali, S. (2021). Data Analytics Applications for Human Resource
Management. 2021 International Conference on Computer Communication and
Informatics (ICCCI). https://doi.org/10.1109/ICCCI50826.2021.9402300
Bassi, L., & McMurrer, D. (2016). Four lessons learned in how to use human resource analytics
to improve the effectiveness of leadership development. Journal of Leadership Studies,
10(2), 39-43. https://doi.org/10.1002/jls.21471
Bechter, B.; Brand, B. & Lehr, A. (2022). The role of the capability, opportunity, and motivation
of firms for using human resource analytics to monitor employee performance: A
multilevel analysis of the organisational, market, and country context. New Technology,
Work and Employment, 37 (3), 398-424. https://doi.org/10.1111/ntwe.12239
Belizón, M. & Kieran, S. (2022). Human resources analytics: A legitimacy process. Human
Resource Management Journal, 32 (3), 603–630. https://doi.org/10.1111/1748-8583.12417
Ben-Gal, H. C. (2019). An ROI-based review of HR analytics: practical implementation tools.
Personnel Review, 48 (6), 1429-1448. https://doi.org/10.1108/PR-11-2017-0362
Bryce, V.; McBride, N. & Cunden, M. (2022). Post-COVID-19 ethics of people analytics. Journal
of Information, Communication and Ethics in Society, 20 (4), 480-494.
https://doi.org/10.1108/JICES-09-2021-0096
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 161
Burdon, M. & Harpur, P. (2014). Re-conceptualising privacy and discrimination in an age of talent
analytics. UNSW Law Journal, 37 (2), 679-712.
https://www.unswlawjournal.unsw.edu.au/wp-content/uploads/2017/09/37-2-4.pdf
Castellano, S. (2014). Decision Science. TD Magazine
Chatterjee, S., Chaudhuri, R., Vrontis, D. & Siachou, E. (2022). Examining the dark side of human
resource analytics: an empirical investigation using the privacy calculus approach.
International Journal of Manpower, 43 (1), 52-74. https://doi.org/10.1108/IJM-02-2021-
0087
Chau, K. Y., Huang, T., Moslehpour, M., Khan, W., Nisar, Q. A., & Haris, M. (2024). Opening a
new horizon in green HRM practices with big data analytics and its analogy to circular
economy performance: empirical evidence. Environment, Development and
Sustainability, 26(5). 12133-12162.
Chiavenato, I. (2019). Administración de Recursos Humanos: El capital humano de las
organizaciones. McGraw-Hill.
Cho, W., Choi, S., & Choi, H. (2023). Human resources analytics for public personnel
management: Concepts, cases, and caveats. Administrative Sciences, 13(2), 41.
Chornous, G. & Gura, V. (2020). Integration of Information Systems for Predictive Workforce
Analytics: Models, Synergy, Security of Entrepreneurship. European Journal of
Sustainable Development, 9 (1), 83-98. https://doi.org/10.14207/ejsd.2020.v9n1p83
D’Armas Regnault, M.; Mejías Acosta, A.; et al. (2022). Autoeficacia e Intención emprendedora
en estudiantes universitarios: una revisión Sistemática de Literatura. 20th LACCEI
International Multi-Conference for Engineering, Education, and Technology: “Education,
Research and Leadership in Post-pandemic Engineering: Resilient, Inclusive and
Sustainable Actions”, Hybrid Event, Boca Raton, Florida- USA, July 18 - 22, 2022.
http://dx.doi.org/10.18687/LACCEI2022.1.1.553
Dahlbom, P., Siikanen, N., Sajasalo, P. & Jarvenpää, M. (2020). Big data and HR analytics in the
digital era. Baltic Journal of Management, 15 (1), 120-138. https://doi.org/10.1108/BJM-
11-2018-0393
Davenport, T.; Harris, J. & Shapiro, J. (2010). Competing on Talent Analytics. Harvard Business
Review, 10, 1-6. https://hbr.org/2010/10/competing-on-talent-analytics
Dhankhar, K. & Singh, A. (2022). Employees' adoption of HR analytics – a theoretical framework
based on career construction theory. Evidence-based HRM,
https://doi.org/10.1108/EBHRM-02-2022-0053
Edwards, M.; Charlwood, A.; Guenole, N. & Marler, J. (2022). HR analytics: An emerging field
finding its place in the world alongside simmering ethical challenges. Human Resource
Management Journal, https://doi.org/10.1111/1748-8583.12435
Ekka, S. & Singh, P. (2022). Predicting HR Professionals’ Adoption of HR Analytics: An
Extension of UTAUT Model. Organizacija, 55 (1), 77-93. https://doi.org/10.2478/orga-
2022-0006
Ekka, S. (2021). HR Analytics: why it matters. Journal of Contemporary Issues in Business and
Government, 27 (2), 2283-2291. https://doi.org/10.47750/cibg.2021.27.02.238
Ellmer, M. & Reichel, A. (2021). Staying close to business: the role of epistemic alignment in
rendering HR analytics outputs relevant to decision-makers. The International Journal of
Human Resource Management, 32 (12), 2622-2642.
https://doi.org/10.1080/09585192.2021.1886148
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 162
Fernández, V. & Gallardo-Gallardo, E. (2021). Tackling the HR digitalization challenge: key
factors and barriers to HR analytics adoption. Competitiveness Review: An International
Business Journal, 31(1), 162–187. https://doi.org/10.1108/cr-12-2019-0163
Gal, U.; Jensen, T. & Stein, M. (2020). Breaking the vicious cycle of algorithmic management: A
virtue ethics approach to people analytics. Information and Organization, 30 (2), 100301.
https://doi.org/10.1016/j.infoandorg.2020.100301
García-Peñalvo, F. (2022). Desarrollo de estados de la cuestión robustos: Revisiones Sistemáticas
de Literatura. Education in the Knowledge Society (EKS), 23, e28600.
https://doi.org/10.14201/eks.28600
Gelbard, R.; Ramon-Gonen, R.; Carmeli, A; Bittmann, R. & Talyansky, R. (2018). Sentiment
analysis in organizational work: Towards an ontology of people analytics. Expert Systems,
35 (5), e12289. https://doi.org/10.1111/exsy.12289
Gohain, A. & Saikia, A. (2021). A study on “Human resource analytics for decision making in
international business machine in India and United States.” Journal of Contemporary Issues
in Business and Government, 27 (5), 1081-1094.
https://doi.org/10.47750/cibg.2021.27.05.070
Greasley, K. & Thomas, P. (2020). HR analytics: The onto-epistemology and politics of
metricized. HRM Human Resource Management Journal, 30 (4), 494-507.
https://doi.org/10.1111/1748-8583.12283
Green, D. (2017). The best practices to excel at people analytics. Journal of Organizational
Effectiveness-People and Performance, 4 (2), 137-144. https://doi.org/10.1108/JOEPP-03-
2017-0027
Guo, F.; Gallagher, C.; Sun, T.; Tavoosi, S. & Min, H. (2021). Smarter people analytics with
organizational text data: Demonstrations using classic and advanced NLP models. Human
Resource Management Journal, https://doi.org/10.1111/1748-8583.12426
Gurusinghe, R. N., Arachchige, B. J. H., & Dayarathna, D. (2021). Predictive HR analytics and
talent management: a conceptual framework. Journal of Management Analytics, 8 (2),
195–221. https://doi.org/10.1080/23270012.2021.1899857
Halawi, A., Rasheed, R., & Al Belushi, B. (2024). The Effect of Human Resource Analytics on
Employee Performance. Revista De Gestão Social E Ambiental, 18(5), e05569-e05569.
Huselid, M. (2018). The science and practice of workforce analytics: Introduction to the HRM
special issue. Human Resource Management, 57 (3), 679-684.
https://doi.org/10.1002/hrm.21916
Jana, B. & Kaushik, T. (2022) Application of technology-organization-environment model in HR
analytics adoption. Journal of Information and Optimization Sciences, 43 (6), 1387-1395.
https://doi.org/10.1080/02522667.2022.2117331
Jiang, Y., & Akdere, M. (2022). An operational conceptualization of human resource analytics:
implications for inhuman resource development. Industrial and Commercial
Training, 54(1), 183-200.
Kapoor, B. & Kabra, Y. (2014). Current and future trends in Human Resources Analytics adoption.
Journal of Cases on Information Technology, 16(1), 1-10.
https://doi.org/10.4018/jcit.2014010105
Karwehl, L. J., & Kauffeld, S. (2021). Traditional and new ways in competence management:
Application of HR analytics in competence management. Gruppe. Interaktion.
Organisation. Zeitschrift Für Angewandte Organisationspsychologie (GIO), 52 (1), 7–24.
https://doi.org/10.1007/s11612-021-00548-y
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 163
Khan, S. & Tang, J. (2016). The paradox of human resource analytics: being mindful of employees.
Journal of General Management, 42 (2), 57–66.
https://doi.org/10.1177/030630701704200205
Kifor, C.; Nicolaescu, S.; Florea, A.; Savescu, R.; Receu, I.; Tirlea, A. & Danut, R. (2021).
Workforce Analytics in Teleworking. IEEE Access, 9, 156451-156464.
https://doi.org/10.1109/ACCESS.2021.3129248
King, K. (2016). Data Analytics in Human Resources. Human Resource Development Review, 15
(4), 487-495. https://doi.org/10.1177/1534484316675818
Konovalova, V.; Ruben V. Aghgashyan, R. & Galazova, S. (2021). Perspectives and Restraining
Factors of HR Analytics in the Conditions of Digitization of Human Resources
Management. EnPopkova, E. G., Ostrovskaya, V. N., & Bogoviz, A. V. (Eds.). Socio-
economic Systems: Paradigms for the Future. Studies in Systems, Decision and Control,
314, 1015-1024. https://doi.org/10.1007/978-3-030-56433-9
Lal, P. (2015). Transforming HR in the digital era: Workforce analytics can move people
specialists to the center of decision-making. Human Resource Management International
Digest, 23(3), 1-4. https://doi.org/10.1108/hrmid-03-2015-0051
Lame, G. (2019). Systematic Literature Reviews: An Introduction. Proceedings of the Design
Society: International Conference on Engineering Design, 1 (1), 1633-1642.
https://doi.org/10.1017/dsi.2019.169
Larsson, A. & Edwards, M. (2021). Insider econometrics meets people analytics and strategic
human resource management. The International Journal of Human Resource Management,
1–47. https://doi.org/10.1080/09585192.2020.1847166
Leonardi, P. & Contractor, N. (2018). Better people analytics measure who they know, not just
who they are. Harvard Business Review, 11,1-15. https://hbr.org/2018/11/better-people-
analytics
Levenson, A. (2018). Using workforce analytics to improve strategy execution. Human Resource
Management, 57 (3), 685-700. https://doi.org/10.1002/hrm.21850
Luo, Z., Liu, L., Yin, J., Li, Y., & Wu, Z. (2018). Latent ability model: A generative probabilistic
learning framework for workforce analytics. IEEE transactions on knowledge and data
engineering, 31(5), 923-937.
Madhani, P. (2022). Human Resources Analytics: Leveraging Human Resources for Enhancing
Business Performance. Compensation & Benefits Review, 0(0).
https://doi.org/10.1177/08863687221131730
Manokha, I. (2020). The Implications of Digital Employee Monitoring and People Analytics for
Power Relations in the Workplace. Surveillance & Society, 18 (4), 540-554.
https://ojs.library.queensu.ca/index.php/surveillance-and-society/index
Margherita, A. (2022). Human resources analytics: A systematization of research topics and
directions for future research. Human Resource Management Review, 32 (2), 1-13.
https://doi.org/10.1016/j.hrmr.2020.100795
Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The
International Journal of Human Resource Management, 28(1), 3–26.
http://dx.doi.org/10.1080/09585192.2016.1244699
Martin-Rios, C.; Pougnet, S. & Nogareda, A. (2017). Teaching HRM in contemporary hospitality
management: a case study drawing on HR analytics and big data analysis. Journal of
Teaching in Travel & Tourism, 17 (1), 34-54
https://doi.org/10.1080/15313220.2016.1276874
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 164
McCartney, S. & Fu, N. (2022). Bridging the gap: why, how, and when HR analytics can impact
organizational performance. Management Decision, 60 (13), 25-47.
https://doi.org/10.1108/MD-12-2020-1581
McIver, D.; Lengnick-Hall, M. & Lengnick-Hall, C. (2018). A strategic approach to workforce
analytics: Integrating science and agility. Business Horizons, 61 (3), 397-407.
https://doi.org/10.1016/j.bushor.2018.01.005
Moraes, S. & Damian, I. (2021). People Analytics: far beyond the data. Atoz-novas Praticas Em
Informacao E Conhecimento, 10 (3), 1-11.
https://brapci.inf.br/index.php/res/download/166628
Muhammad, G. & Naz, F. (2022). A moderating role of HR analytics between employee
engagement, retention, and organisational performance. International Journal of Business
Environment, 13 (4), 345–357. https://doi.org/10.1504/IJBE.2022.126370
Necula, S. & Strimbei, C. (2019). People Analytics of Semantic Web Human Resource Resumes
for Sustainable Talent Acquisition. Sustainability, 11 (13), 3520.
https://doi.org/10.3390/su11133520
Nocker, M. & Sena, V. (2019). Big Data and Human Resources Management: The Rise of Talent
Analytics. Social Sciences-Basel, 8 (10), 273. https://doi.org/10.3390/socsci8100273
Nowicka, J., Pauliuchuk, Y., Ciekanowski, Z., Fałda, B., & Sikora, K. (2024). The use of data
analytics in human resource management. European Research Studies. 27(2), 203-215.
Opatha, H. (2020). HR Analytics: a literature review and new conceptual model. International
Journal of Scientific and Research Publications, 10 (6), 130-141.
http://dx.doi.org/10.29322/IJSRP.10.06.2020.p10217
Page, M.; McKenzie, J.; Bossuyt, P.; Boutron, I.; Hoffmann, T.; Mulrow, C.; Shamseer, L.;
Tetzlaff, J.; Akl, E.; Brennan, S.; Chou, R.; Glanville, J.; Grimshaw, J.; Hróbjartsson, A.;
Lalu, M.; Li, T.; Loder, E.; Mayo-Wilson, E.; McDonald, S.; McGuinness, L.; Stewart, L.;
Thomas, J.; Tricco, A.; Welch, V.; Whiting, P.; Moher, D.; Yepes-Nuñez, J.; Urrútia, G.;
Romero-García, M. & Alonso-Fernández, S. (2021). Declaración PRISMA 2020: una guía
actualizada para la publicación de revisiones sistemáticas. Revista Española de
Cardiología, 74 (9), 790-799. https://doi.org/10.1016/j.recesp.2021.06.016
Pariona-Cabrera, P.; Cavanagh, J. & Halvorsen, B. (2022). Examining the need for HR analytics
to better manage and mitigate incidents of violence against nurses and personal care
assistants in aged care, Asia Pacific Journal of Human Resources.
https://doi.org/10.1111/1744-7941.12361
Peeters, T., Paauwe, J. & Van De Voorde, K. (2020). People analytics effectiveness: developing a
framework. Journal of Organizational Effectiveness: People and Performance, 7 (2), 203-
219. https://doi.org/10.1108/JOEPP-04-2020-0071
Polyakova, A.; Kolmakov, V. & Pokamestov, I. (2020). Data-driven HR Analytics in a Quality
Management System. Quality-Access to Success, 21 (176), 74-80.
Pongpisutsopa, S., Thammaboosadee, S., & Chuckpaiwong, R. (2020). Factors affecting HR
analytics adoption: A systematic review using literature weighted scoring approach. Asia
Pacific journal of information systems, 30(4), 847-878.
https://doi.org/10.14329/apjis.2020.30.4.847
Rasmussen, T. & Ulrich, D. (2015). Learning from practice: how HR analytics avoids being a
management fad. Organizational Dynamics, 44, 236-242.
http://dx.doi.org/10.1016/j.orgdyn.2015.05.008
Tendencias en la investigación de la analítica de recursos humanos: una revisión sistemática de literatura
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 165
Ryan, J. (2020). Retaining, resigning, and firing: bibliometrics as a people analytics tool for
examining research performance outcomes and faculty turnover. Personnel Review, 50 (5),
1316–1335. https://doi.org/10.1108/pr-12-2019-0676
Setiawan, I.; Suprihanto, S.; Nugraha, A. & Hutahaean, J. (2020). HR analytics: Employee attrition
analysis using logistic Regression. IOP Conf. Series: Materials Science and Engineering,
830, 1-7. https://doi.org/10.1088/1757-899X/830/3/032001
Sharma, A. & Sharma, T. (2017). HR analytics and performance appraisal system A conceptual
framework for employee performance improvement. Management Research Review, 40
(6), 684-697. https://doi.org/10.1108/MRR-04-2016-0084
Shet, S.; Poddar, T.; Samuel, F. & Dwivedi, Y. (2021). Examining the determinants of successful
adoption of data analytics in human resource management – A framework for implications.
Journal of Business Research, 131, 311-326. https://doi.org/10.1016/j.jbusres.2021.03.054
Simbeck, K. (2019). HR analytics and ethics. IBM Journal of Research and Development, 63
(4/5), 9:1-9:12. https://doi.org/10.1147/JRD.2019.2915067
Simon, C. & Ferreiro, E. (2018). Workforce analytics: A case study of scholar-practitioner
collaboration. Human Resource Management, 57 (3), 781-793.
https://doi.org/10.1002/hrm.21853
Sinha, V., Subramanian, K., Bhattacharya, S. & Chaudhuri, K. (2012). The contemporary
framework on social media analytics as an emerging tool for behavior informatics, HR
analytics and business process. Management: journal of contemporary management issues,
17 (2), 65-84. https://hrcak.srce.hr/file/138312
Sivathanu, B. & Pillai, R. (2020). Technology and talent analytics for talent management – a game
changer for organizational performance. International Journal of Organizational Analysis,
28 (2), 457–473. https://doi.org/10.1108/ijoa-01-2019-1634
Suri, N., & Lakhanpal, P. (2024). People analytics enabling HR Strategic partnership: A review.
South Asian Journal of Human Resources Management, 11(1), 130-164.
Talukdar, G. (2016). Human Resources Analytics: An Approach Towards Business Intelligence.
International Journal of Computer Sciences and Engineering, 4 (7), 125-129.
https://www.ijcseonline.org/spl_pub_paper/NCRITET-IJCSE-2016028.pdf
Tsiotsou, R., Koles, B.; Paul, J. & Loureiro, S. (2022). Theory generation from literature reviews:
A methodological guidance. International Journal of Consumer Studies, 46 (5), 1505-1516.
https://doi.org/10.1111/ijcs.12861
Tursunbayeva, A., Pagliari, C., Di Lauro, S. & Antonelli, G. (2022). The ethics of people analytics:
risks, opportunities, and recommendations. Personnel Review, 51 (3), 900-921.
https://doi.org/10.1108/PR-12-2019-0680
Tursunbayeva, A.; Di Lauro, S. & Pagliari, C. (2018). People analytics—a scoping review of
conceptual boundaries and value propositions. International Journal of Information
Management, 43, 224–247. https://doi.org/10.1016/j.ijinfomgt.2018.08.002
van den Heuvel, S. & Bondarouk, T. (2017). The rise (and fall?) of HR analytics A study into the
future application, value, structure, and system support. Journal of Organizational
Effectiveness-People and Performance, 4 (2), 157-178. https://doi.org/10.1108/JOEPP-03-
2017-0022
Vargas, R.; Yurova, Y.; Ruppel, C.; Tworoger, L. & Greenwood, R. (2018). Individual adoption
of HR analytics: a fine-grained view of the early stages leading to adoption. International
Journal of Human Resource Management, 29 (22), 3046-3067.
https://doi.org/10.1080/09585192.2018.1446181
Carla Fernández-Solís, Reyes González-Ramírez y José Gascó-Gascó.
ISSN 2477-9024. Innova Research Journal (Septiembre-Diciembre, 2024). Vol. N9, No. 3, pp. 137-166
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/ 166
Verma, S., Rana, N., & Meher, J. R. (2024). Identifying the enablers of HR digitalization and HR
analytics using ISM and MICMAC analysis. International Journal of Organizational
Analysis, 32(3), 504-521.
Wang, N. & Katsamakas, E. (2019). A Network Data Science Approach to People Analytics.
Information Resources Management Journal, 32(2), 28–51.
https://doi.org/10.4018/irmj.2019040102
Wang, N. & Katsamakas, E. (2021). A Recommendation System for People Analytics.
International Journal of Business Intelligence Research (IJBIR), 12(2), 1-12.
http://doi.org/10.4018/IJBIR.20210701.oa4
Weiskopf, R. & Hansen, H. K. (2023). Algorithmic governmentality and the space of ethics:
Examples from ‘People Analytics.’ Human Relations, 0(0).
https://doi.org/10.1177/00187267221075346
Williams, R.; Clark, L.; Clark, W. & Raffo, D. (2021). Re-examining systematic literature review
in management research: Additional benefits and execution protocols. European
Management Journal, 39 (4), 521-533. https://doi.org/10.1016/j.emj.2020.09.007
Williams, S. (2020). A textual analysis of racial considerations in human resource analytics
vendors' marketing. Management Research and Practice, 12 (4), 49-63.
https://mrp.ase.ro/no124/f5.pdf
Wirges, F. & Neyer, A. (2022). Towards a process-oriented understanding of HR analytics:
implementation and application. Review of Managerial Science,
https://doi.org/10.1007/s11846-022-00574-0
Worth, C. W. (2011). The future talent shortage will force global companies to use HR analytics
to help manage and predict future human capital needs. International journal of business
intelligence research, 2(4), 55-65. https://doi.org/10.4018/jbir.2011100105
Wroe, N. (2012). Innovations in Talent Analytics. TD Magazine
Yahia, N.; Hlel, J. & Colomo-Palacios, R. (2021). From Big Data to Deep Data to Support People
Analytics for Employee Attrition Prediction. IEEE Access, 9, 60447-60458.
https://doi.org/10.1109/ACCESS.2021.3074559
