The document appears to be data from an evaluation of candidates. It includes their names and scores on various metrics like teamwork, attention to detail, technical skills and leadership evaluation. The document notes that the data was randomly generated and some fields may change if the spreadsheet is modified.
The document appears to be data from an evaluation of candidates. It includes their names and scores on various metrics like teamwork, attention to detail, technical skills and leadership evaluation. The document notes that the data was randomly generated and some fields may change if the spreadsheet is modified.
The document appears to be data from an evaluation of candidates. It includes their names and scores on various metrics like teamwork, attention to detail, technical skills and leadership evaluation. The document notes that the data was randomly generated and some fields may change if the spreadsheet is modified.
Estos datasets son provistos a modo de ejemplo. Toda la data presente fue creada de forma aleatoria.
Algunos cam
Nombre Trabajo en Equi Atención al detalCompetencias técnicEvaluación de lideraz
Martín García 78.00 76.00 71.00 71.00 Valeria Fernández 42.00 59.00 52.00 97.00 Santiago Castro 59.00 49.00 92.00 55.00 Luciana Ortiz 99.00 62.00 56.00 42.00 Matías Sánchez 98.00 100.00 95.00 97.00 Mariana González 68.00 98.00 56.00 67.00 Facundo Díaz 88.00 49.00 74.00 77.00 Camila Romero 72.00 99.00 38.00 95.00 Juan Pérez 59.00 84.00 71.00 38.00 Ana Rodríguez 54.00 53.00 38.00 81.00 Luisa Flores 78.00 84.00 72.00 58.00 Andrés Torres 75.00 64.00 78.00 60.00 Carla Gómez 71.00 56.00 87.00 93.00 Roberto Martínez 37.00 75.00 84.00 93.00 Paula Herrera 70.00 60.00 38.00 97.00 Diego Rivas 60.00 48.00 95.00 62.00 Sofía Álvarez 43.00 75.00 59.00 98.00 Mario Duarte 66.00 91.00 36.00 62.00 Gabriela Rojas 71.00 77.00 65.00 79.00 Carlos Ramírez 65.00 85.00 91.00 49.00 Alejandra Moreno 41.00 97.00 52.00 71.00 José Gutiérrez 85.00 82.00 97.00 97.00 Valentina Castro 38.00 81.00 94.00 87.00 Pablo Vargas 39.00 42.00 42.00 89.00 Natalia Reyes 84.00 43.00 41.00 73.00 Fernando Hernández 95.00 41.00 47.00 76.00 Antonia Chávez 58.00 63.00 36.00 85.00 Eduardo Miranda 99.00 69.00 39.00 86.00 Jimena Torres 84.00 38.00 38.00 82.00 Sebastián Molina 91.00 45.00 78.00 74.00 Maribel Cruz 44.00 38.00 80.00 87.00 Esteban Salazar 55.00 51.00 88.00 53.00 Daniela Álvarez 61.00 70.00 80.00 99.00 Omar López 59.00 55.00 96.00 58.00 Andrea Ponce 99.00 84.00 55.00 39.00 Francisco Bravo 49.00 98.00 55.00 45.00 Ana Belén Soto 93.00 100.00 87.00 76.00 José Luis Aguilar 95.00 90.00 79.00 78.00 María Fernanda Medin 95.00 84.00 76.00 98.00 Luis Ángel Ramírez 85.00 76.00 52.00 81.00 Viviana Duque 91.00 97.00 48.00 72.00 Miguel Ángel Díaz 63.00 57.00 82.00 39.00 Nataly Guevara 64.00 77.00 76.00 77.00 Gustavo Velásquez 66.00 62.00 55.00 79.00 Verónica Mejía 36.00 35.00 58.00 63.00 forma aleatoria. Algunos campos tienen randomizadores activos, cada vez que se haga un cambio en la planilla algunos de los
Satisfacción del equiCumplimiento presupueCumplimiento metas comerciales
66.00 100.00 113.00 94.00 111.00 117.00 61.00 86.00 73.00 34.00 75.00 79.00 108.00 107.00 97.00 66.00 83.00 77.00 80.00 96.00 101.00 110.00 125.00 127.00 28.00 76.00 81.00 86.00 123.00 133.00 53.00 66.00 58.00 60.00 125.00 117.00 87.00 107.00 112.00 91.00 124.00 132.00 102.00 92.00 77.00 74.00 104.00 106.00 105.00 123.00 126.00 77.00 73.00 77.00 70.00 90.00 104.00 58.00 90.00 89.00 56.00 81.00 69.00 104.00 125.00 121.00 97.00 73.00 74.00 84.00 94.00 86.00 58.00 87.00 99.00 80.00 117.00 108.00 80.00 73.00 73.00 84.00 115.00 130.00 75.00 130.00 140.00 85.00 100.00 113.00 73.00 81.00 95.00 46.00 75.00 60.00 95.00 121.00 132.00 59.00 82.00 97.00 42.00 86.00 75.00 60.00 116.00 103.00 70.00 81.00 85.00 71.00 128.00 138.00 88.00 110.00 109.00 81.00 98.00 111.00 65.00 66.00 54.00 30.00 101.00 102.00 85.00 123.00 131.00 71.00 108.00 109.00 48.00 95.00 109.00 la planilla algunos de los valores pueden cambiar. Estos datasets son provistos a modo de ejemplo. Toda la data presente fue creada de forma aleatoria. Algunos cam
Candidato Puntaje en prueba de venValoracion en prueba grafologica
Diego Rivas 52.5031257303981 58.5031257303981 Sofía Álvarez 71.3598017827855 84.3598017827855 Mario Duarte 83.3163446802937 79.3163446802937 Gabriela Rojas 81.7432356434726 95.7432356434726 Carlos Ramíre 16.785757006645 4.78575700664502 Alejandra Mor 42.2277870218321 56.2277870218321 José Gutiérrez 23.3813863413146 36.3813863413146 Valentina Cast 29.6463293697926 32.6463293697926 Pablo Vargas 10.0846339837531 18.0846339837531 Natalia Reyes 33.4620827852238 29.4620827852238 Fernando Her 44.759332199279 58.759332199279 Antonia Cháve 41.7877260306989 54.7877260306989 Eduardo Miran 45.3518574160013 56.3518574160013 Jimena Torres 93.3156974828216 96.3156974828216 Sebastián Mol 25.5338778751204 24.5338778751204 Maribel Cruz 11.0431018124817 15.0431018124817 Esteban Salaz 30.7003185090928 21.7003185090928 Daniela Álvare 71.1461933271807 73.1461933271807 Omar López 0.763487483216439 -10.2365125167836 Andrea Ponce 43.0628229102847 39.0628229102847 Francisco Bra 85.6825674754526 88.6825674754526 Ana Belén Sot 93.8646200266552 100.864620026655 José Luis Agui 57.3238151932084 71.3238151932084 María Fernand 62.4301987496543 52.4301987496543 Luis Ángel Ra 16.9743275781763 22.9743275781763 Viviana Duque 62.9071572632563 57.9071572632563 Miguel Ángel 9.45721235232092 12.4572123523209 Nataly Guevar 89.3318633365122 97.3318633365122 Gustavo Velás 72.9705598707545 64.9705598707545 Verónica Mejí 49.0714511542644 41.0714511542644 resente fue creada de forma aleatoria. Algunos campos tienen randomizadores activos, cada vez que se haga un cambio en la
8.90115424673698 33.0174466716039 90.8280999987255 67.2501898501594 8.68591459703598 2.92849561785041 83.798774417015 85.900646554274 31.0447372105965 72.5707617457528 24.0454029789374 35.8612539633683 37.5099868352379 6.99488983976295 38.5105819126802 85.9088807028141 82.2940632719024 92.9257078223081 26.032964596634 82.7666469875047 78.6386921470082 90.4096015218294 17.9638339200438 9.6028963621318 25.2652841211411 95.9228143052907 63.1674425074555 12.3593225047605 30.0143809408959 54.5996744602353 6.70477071919659 70.9317860677207 92.5943073552248 81.9348029955937 72.5748076448179 27.4296852593106 46.3707772739066 3.79321867570329 55.1140655716077 0.112761571387346 98.2589431466791 48.2731905389264 10.3628447207597 37.8382122372839 33.1665166166094 45.0099920498653 5.14685385434172 42.7882819655698 1.37988672770756 31.5004115038551 27.5715408386448 46.9906913024901 61.5682394074458 3.23382443889032 25.37398866717 33.3191841911405 23.8312128377411 16.9749777336268 22.0043828362277 56.3303900211695 adores activos, cada vez que se haga un cambio en la planilla algunos de los valores pueden cambiar.
Puntaje en desempeño 6 meses despues
114 77 119 76 98 80 80 85 107 113 84 102 95 115 94 84 115 111 90 111 114 82 105 111 94 78 115 91 108 80 Estos datasets son provistos a modo de ejemplo. Toda la data presente fue creada de forma aleatoria. Algunos cam
1 Mejorar la comunicación interna
2 Incrementar la transparencia en la toma de decisiones 3 Ofrecer oportunidades de desarrollo profesional 4 Fomentar la innovación y creatividad 5 Implementar políticas de diversidad e inclusión 6 Aumentar la flexibilidad en el horario laboral 7 Optimizar los procesos y la eficiencia operativa 8 Establecer objetivos claros y medibles 9 Mejorar el equilibrio entre vida laboral y personal 10 Fortalecer la colaboración entre departamentos 11 Fomentar la retroalimentación continua 12 Incrementar la inversión en tecnología y herramientas 13 Establecer un programa de reconocimiento y recompensas 14 Mejorar la formación y capacitación de los empleados 15 Implementar políticas de responsabilidad social corporativa 16 Fomentar la comunicación abierta y honesta 17 Aumentar la seguridad en el lugar de trabajo 18 Proporcionar un entorno laboral saludable y ergonómico 19 Mejorar la calidad del producto o servicio 20 Implementar un sistema de gestión de desempeño eficaz 21 Establecer políticas de retención de talento 22 Aumentar el enfoque en la satisfacción del cliente 23 Fomentar la responsabilidad y la rendición de cuentas 24 Implementar programas de bienestar para los empleados 25 Facilitar la movilidad interna y promoción de empleados 26 Mejorar la eficiencia en la cadena de suministro 27 Incrementar la participación en eventos y ferias comerciales 28 Establecer programas de mentoría para empleados 29 Fomentar la adopción de prácticas sostenibles y ecológicas 30 Implementar una estrategia de marketing efectiva 31 Establecer alianzas estratégicas y colaboraciones 32 Aumentar la inversión en investigación y desarrollo 33 Implementar un sistema de gestión de calidad 34 Fomentar la participación activa de los empleados en la toma de decisiones 35 Mejorar la planificación financiera y presupuestaria 36 Implementar prácticas de reclutamiento y selección eficaces 37 Establecer un programa de voluntariado corporativo 38 Incrementar el apoyo a proyectos locales y comunitarios 39 Mejorar el acceso a recursos y materiales de trabajo 40 Optimizar la gestión del tiempo y las prioridades 41 Fomentar la adopción de soluciones digitales y automatización rma aleatoria. Algunos campos tienen randomizadores activos, cada vez que se haga un cambio en la planilla algunos de los v a planilla algunos de los valores pueden cambiar. Estos datasets son provistos a modo de ejemplo. Toda la data presente fue creada de forma aleatoria. Algunos cam
Nombre Universidad Años de ExperiencGenero
Victoria González Universidad de la Capita 6 Mujer Mariana Hernández Universidad de la Costa 6 Mujer Esteban Torres Universidad de la Costa 5 Hombre Eduardo Vargas Universidad del Rio 6 Hombre Andrés Pérez Universidad del la Mont 1 Hombre Sofía Salazar Universidad de la Capita 8 Mujer Natalia Martínez Universidad de la Capita 8 Mujer Francisco Ruiz Universidad del la Mont 1 Hombre Luciana Vargas Universidad del Rio 9 Mujer Valeria Castro Universidad del la Mont 9 Mujer Camila Torres Universidad de la Capita 5 Mujer María Fernanda Ruiz Universidad del la Mont 10 Mujer Carlos Ramírez Universidad del la Mont 6 Hombre Matías Sánchez Universidad de la Costa 2 Hombre Jimena Moreno Universidad del Rio 1 Mujer Santiago Rodríguez Universidad del la Mont 10 Hombre José Flores Universidad de la Costa 2 Hombre Rodrigo Díaz Universidad del Rio 5 Hombre Isabella Flores Universidad del Rio 2 Mujer Nataly Ramírez Universidad del Rio 1 Mujer Ana Belén Jiménez Universidad de la Capita 2 Mujer Pablo Gómez Universidad de la Costa 7 Hombre Miguel Ángel Rivera Universidad del la Mont 7 Hombre Fernanda Pérez Universidad del la Mont 9 Mujer Luis García Universidad de la Costa 6 Hombre Facundo Herrera Universidad del Rio 10 Hombre Fernando Ortiz Universidad de la Costa 3 Hombre Valentina García Universidad de la Costa 9 Mujer Daniel Morales Universidad del Rio 6 Hombre Jorge Salazar Universidad del Rio 4 Hombre Alejandro González Universidad de la Capita 1 Hombre Paula Gómez Universidad de la Costa 7 Mujer Lucas Martínez Universidad del la Mont 7 Hombre Andrea Aguilar Universidad de la Capita 1 Mujer Sebastián Castro Universidad de la Capita 5 Hombre Antonia Rodríguez Universidad de la Costa 6 Mujer Carolina Díaz Universidad del Rio 5 Mujer Gabriela Sánchez Universidad de la Capita 2 Mujer Laura Ortiz Universidad del la Mont 6 Mujer Juan Hernández Universidad de la Costa 9 Hombre fue creada de forma aleatoria. Algunos campos tienen randomizadores activos, cada vez que se haga un cambio en la planilla
Duración en el último trab Carrera Rota voluntariamente
Entre 2 y 3 años Sociología si Más de 5 años Administración si Entre un año y 2 Ingeniería si Más de 5 años Administración si Menos de 1 año Administración si Entre un año y 2 Ingeniería si Más de 5 años Administración si Menos de 1 año Psicología si Menos de 1 año Ingeniería si Más de 5 años Ingeniería si Entre un año y 2 Ingeniería si Menos de 1 año Ingeniería si Entre 2 y 3 años Ingeniería si Más de 5 años Administración No Entre 2 y 3 años Administración No Menos de 1 año Psicología No Menos de 1 año Administración No Menos de 1 año Administración No Menos de 1 año Ingeniería No Menos de 1 año Ingeniería No Más de 5 años Ingeniería No Entre 2 y 3 años Administración No Más de 5 años Ingeniería No Más de 5 años Sociología No Entre un año y 2 Ingeniería No Más de 5 años Administración No Más de 5 años Administración No Entre 2 y 3 años Ingeniería No Entre 2 y 3 años Administración No Entre un año y 2 Administración No Más de 5 años Administración No Entre 2 y 3 años Administración No Entre un año y 2 Administración No Entre 2 y 3 años Psicología No Más de 5 años Sociología No Entre un año y 2 Psicología No Menos de 1 año Psicología No Entre 2 y 3 años Psicología No Entre un año y 2 Sociología No Menos de 1 año Sociología No e haga un cambio en la planilla algunos de los valores pueden cambiar.
Hunting the Chimera–the end of O'Reilly v Mackman_ -- Alder, John -- Legal Studies, #2, 13, pages 183-20...hn Wiley and Sons; Cambridge -- 10_1111_j_1748-121x_1993_tb00480_x -- 130f73b26a9d16510be20781ea4d81eb -- Anna’s Archive