El artículo considera el desafío del crecimiento de la productividad laboral en una empresa utilizando datos objetivos sobre factores económicos, demográficos y sociales e información subjetiva sobre la calidad de salud de los empleados. Proponemos la tecnología para la gestión de la productividad laboral basada en el procesamiento de datos por fases y modelado de relaciones de datos cuantitativos y cualitativos, que tiene como objetivo proporcionar la toma de decisiones al planificar trayectorias para el crecimiento de la productividad laboral. La tecnología se supone que utiliza análisis estadístico y aprendizaje automático, para apoyar la decisión de gestión en la planificación de estrategias de ahorro de salud dirigidas a aumentar la productividad laboral. Se demuestra que para resolver el problema de agrupación de empleados y diseñar sus grupos homogéneos, es adecuado utilizar el método -means, que es más relevante y confiable en comparación con el método de agrupamiento basado en redes neuronales de Kohonen. También probamos diferentes métodos para la clasificación de empleados y la predicción del perfil de productividad laboral de un nuevo empleado y demostramos que ante un problema con muchas variables cualitativas, como género, educación, autoestima de salud, el método de máquinas de vectores de soporte tiene una mayor precisión.