Este estudio muestra las características significativas que predicen los niveles de empleo de los graduados, particularmente en posiciones de alto nivel. Además, muestra que las metodologías de ciencia de datos pueden predecir con precisión los resultados de los graduados. El conjunto de datos utilizado para analizar los resultados de los graduados se derivó de una encuesta de una institución educativa privada. El conjunto de datos original contiene información sobre 17,898 graduados y aproximadamente 148 características. Se utilizaron tres algoritmos de aprendizaje automático, a saber, árboles de decisión, bosque aleatorio y aumento de gradiente, para el análisis de datos. Estos tres modelos de aprendizaje automático se compararon con la regresión ordinal. Los resultados indican que el aumento de gradiente es el mejor modelo predictivo, que es un 6% más alto que la precisión de la regresión ordinal. Se utilizó el SHapley Additive exPlanations (SHAP), una metodología novedosa para extraer las características significativas de diferentes algoritmos de aprendizaje automático, para extraer las características más importantes del modelo de aumento de gradiente. El salario actual es la característica más importante para predecir los niveles de empleo. Curiosamente, los graduados que reconocieron la importancia de las habilidades de comunicación y el trabajo en equipo para ser buenos líderes también ocupaban posiciones laborales más altas. Finalmente, las características generales relevantes para predecir los niveles de empleo incluyen el número de personas a cargo, el tamaño de la empresa, la antigüedad y la satisfacción con los ingresos.