Visión: “En 2033 seremos una de las cinco mejores compañías de México que generan valor dentro de la cadena de suministro de las industrias que más valoran la forma en la que se protegen y trasladan las cosas.” (Form, 2023).
Misión: “Transformar nuestro entorno y resolver retos industriales de nuestros clientes a través de la colaboración, provocando nuevas oportunidades que potencian nuestro modelo de negocio, para alcanzar nuestros ideales.” (Form, 2023).
La industria de empaque y embalaje representa una parte esencial del sector automotriz y de autopartes, ya que esta industria es pieza clave para garantizar la protección y entrega eficiente de los componentes automotrices en sus diferentes fases dentro de la cadena de suministro del sector automotriz.
En el 2022, la producción de automóviles en el mundo mantiene a Estados Unidos como el segundo mayor productor de automóviles abarcando el 13.4% de la industria y México como 7mo mayor productor con el 4.6%. (VDA,2023)
Tomando ésto en cuenta sabemos que el rol de México en la industria automotriz es de suma relevancia para el mundo y por consiguiente para nuestro país, representando el 2.77% del Producto Interno Bruto (PIB) de México en el 2022. (INEGI,2023)
La pandemia tuvo un impacto fuerte en la inversión extranjera directa de la industria automotriz con una reducción de 2.17 mil millones de dólares del 2020 al 2021 y naturalmente se vio afectada la producción de vehículos con una disminución de producción de 3.8 millones de unidades a 2.9 millones de unidades al año 2020. Sin embargo, se estima que la recuperación de la producción de la industria automotriz será hasta el 2026 con 3.8 millones de unidades a producir, igualando la producción del 2019. (IHS Market, 2020)
FORM es una empresa con sede principal en Nuevo León, ésta se dedica al empaque y embalaje de autopartes específicamente de partes interiores y eléctricas de los vehículos, las cuales es de suma importancia que no reciban ningún tipo de daño estético en su proceso de transportación para su ensamblaje.
FORM se centra en abastecer las necesidades de los proveedores Tier 1 (planta automotriz) y Tier 2 (proveen partes a las plantas) de la industria automotriz, por lo que estos son sus principales clientes.
La empresa no ofrece un portafolio de productos fijos o estandarizados para la industria automotriz. FORM busca generar soluciones a las necesidades y problemas de sus clientes dentro de la cadena de suministro, por medio de la innovación ingenieril en el empaque de las autopartes.
Además, FORM ofrece un servicio de acompañamiento el cual funciona como un soporte de comunicación en el que empleados de FORM, pueden asistir directamente en la planta de los clientes para la entrega de los empaques y ensamblaje hasta tener comunicación continua con la empresa en caso de cualquier situación.
Las cosas antes mencionadas forman parte de la propuesta de valor de la empresa, apalancando de la innovación y el servicio al cliente se busca asegurar la calidad la cual los clientes de FORM están buscando debido a la importancia y delicadeza que toman las autopartes interiores y eléctricas dentro de la industria automotriz.
Aunque los productos que ofrece FORM dentro de la industria automotriz fungen parecido a un commodity, el empaque se llega a producir en grandes cantidades, estos no entran como tal en la definición de commodity ya que en el caso de FORM entra una parte clave la cual es la personalización.
Actualmente FORM busca equipar con tecnología para automatizar y desarrollar todo un ambiente de datos el cual les pueda ayudar a agilizar procesos y dar certeza a la toma de decisiones en base a datos. Con esto buscan poder realizar pronósticos para anticipar la demanda de sus clientes y diversificar dentro de EUA, esto por mencionar alguno de los ejemplos. En cuanto a temas de cultura organizacional se busca medir sistemáticamente diferentes KPI´s.
Además de esto, se busca crear un sentido de pertenencia y lealtad de los empleados hacia la empresa. Buscando continuar con la cultura organizacional actual, la cual está enfocada en la horizontalidad, la construcción de equipos y divisiones autónomas a niveles inferiores dentro de la empresa. Esto, con el fin de permitir una comunicación más efectiva y fluida entre departamentos.
Actualmente FORM busca un crecimiento, desea continuar con la industria de autopartes, por lo que su principal enfoque se encuentra en crecer a lo largo de la línea de la industria automotriz que se encuentra ubicada en el territorio mexicano y estadounidense. Específicamente, busca crecer en el bajío mexicano y en San Antonio Texas en el extranjero. Por otra parte, busca explorar otras industrias las cuales se alineen a su misión, como lo puede ser la aeroespacial y de equipos médicos.
Además busca expandir sus inversiones en el extranjero tomando como opción principal a Estados Unidos. Buscando crecer a cualquier parte de Texas debido a el costo de oportunidad que se tiene, si se busca crecer más allá de Texas aumenta los costos de fletes y el negocio no sale con buen margen. FORM no busca ser la empresa mas grande, se concentra en negocios de PYME con grandes margenes de ganancia
Hoy en día cuentan con 130 colaboradores dentro de la empresa, sin embargo existe un tema de rotación de personal por diversas razones, uno de sus enfoques es crear una cultura organizacional la cual retenga al capital humano.
Actualmente ofrecen diversas compensaciones y beneficios para incitar la activa participación de sus colaboradores. Se cuentan con bases de datos enfocadas al tema de capital humano con las cuales se buscan identificar las razones de la rotación, sin embargo aún no han logrado ver un decremento en los porcentajes anuales de rotación.
FORM cuenta con 6 pilares principales, dentro de la empresa se vive una actitud de honestidad y transparencia dentro de todos los procesos, se busca cuidar detalladamente los espacios de trabajo con planes para implementar nuevos baños en el piso.
suppressMessages(library(tidyverse))
suppressMessages(library(ggplot2))
suppressMessages(library(stringr))
suppressMessages(library(readr))
suppressMessages(library(dplyr))
suppressMessages(library(tidyr))
suppressMessages(library(grid))
suppressMessages(library(psych))
suppressMessages(library(gplots))
suppressMessages(library(knitr))
#file.choose()
Ventas_1 <- read.csv("/Users/danrwar/Desktop/Rstudio works/etapa 1/Ventas_1.csv")
#file.choose()
Bajas <-read.csv("/Users/danrwar/Desktop/Rstudio works/etapa 1/Bajas.csv")
#file.choose()
FDI_df <- read.csv("/Users/danrwar/Desktop/Rstudio works/etapa 1/FDI_Mexico.csv")
Los ayudantes generales son los que cuentan mayor baja por un margén altamente considerable, como se puede observar en la grafíca 1. Además de esto se puede observar que de igual forma la mayoría de personas de está posición a las que se les da de baja son mujeres.
Por lo que se podría plantear una primer hipótesis la cual es que esto se puede deber a que la gran parte de personas que se contratan son para el puesto de ayudante general y de sexo femenino, sin embargo todavía no se ha realizado el análisis para comprobar la hipótesis antes mencionada.
options(scipen = 999)
# Ordenar los niveles de PUESTO por frecuencia descendente
Bajas$PUESTO <- factor(Bajas$PUESTO, levels = names(sort(table(Bajas$PUESTO), decreasing = TRUE)))
ggplot(Bajas, aes(x = PUESTO, fill = GENERO)) +
geom_bar() +
theme(axis.text.x = element_text(angle = 90)) +
labs(x = "Puesto", y = "Cantidad", title = "Bajas por puesto ") +
theme(panel.background = element_rect(fill = "gray98"))
Dentro de las ventas por linea de negocio, es decir retornable y cartón. Se puede observar como la linea de negocios que liderá es la del cartón, sin embargo se observa como las ventas de retornables y cartón en los primeros 2 quartiles del año son altamente superiores al resto del año.
as.Date(Ventas_1$Mes)
## [1] "0028-01-21" "0028-01-21" "0028-02-21" "0028-02-21" "0028-03-21"
## [6] "0028-03-21" "0028-04-21" "0028-04-21" "0028-05-21" "0028-05-21"
## [11] "0028-06-21" "0028-06-21" "0028-07-21" "0028-07-21" "0028-08-21"
## [16] "0028-08-21" "0028-09-21" "0028-09-21" "0028-10-21" "0028-10-21"
## [21] "0028-11-21" "0028-11-21" "0028-12-21" "0028-12-21"
col_per <- c("coral", "orange")
ggplot(Ventas_1, aes(x = Mes, y = Venta, fill = Producto)) +
geom_bar(stat = "identity") +
labs(x = "Mes", y = "Venta", title = "Ventas Mensuales por Producto") +
scale_fill_manual(values = col_per) +
theme(panel.background = element_rect(fill = "gray98") )+
theme(axis.text.x = element_text(angle = 90, hjust = 1))
La Inversión Extranjera Directa en el mismo año (2021), tuvo fuertes afectaciones debido al COVID-19, por lo que podría ser una de las razones por las cuales en la Grafíca 2 las ventas de los ultímos 2 cuartiles del año hayan caído de manera considerable a comparación del inicio del año.
df_FDI = FDI_df
#Separar Columnas
df_FDI <- separate(df_FDI, Quartil, into = c("Quartil", "Año"), sep = " ")
#FDI sumado por Año
año_sum <- df_FDI %>% group_by(Año) %>% summarize(suma=sum(Mil.Millones.de.Dolares))
año_sum$Año <- as.numeric(año_sum$Año)
grafico_año = ggplot(año_sum, aes(x = Año, y = suma)) +
geom_line( color = "#F46C22") +
geom_point(color = "#F46C22") +
geom_text(aes(label = suma), hjust = -0.2, vjust = 0.5, color = "#505050", size = 4) +
labs(title = "Inversión Extranjera Directa por Año",subtitle = "Mil Millones de Dólares", x = "Año", y = "Inversión", caption = "Fuente: INEGI") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold", color = "#505050"), panel.grid.major = element_blank(), plot.subtitle = element_text(hjust = .5, size = 7))
grafico_año + scale_x_continuous(breaks = año_sum$Año)
El objetivo del análisis FODA para FORM es evaluar de manera integral sus Fortalezas, Oportunidades, Debilidades y Amenazas con el fin de obtener una comprensión estratégica de su posición en el mercado y proporcionar una base sólida para la toma de decisiones que potencien su competitividad y crecimiento en la industria de empaques y embalajes.
El objetivo del análisis PESTLE para FORM es examinar los factores que impactan su operación y entorno empresarial. Esto permitirá a la empresa comprender mejor el contexto en el que opera, anticipar posibles cambios y ajustar su estrategia para maximizar oportunidades y mitigar riesgos.
https://www.economia.gob.mx/datamexico/es/profile/industry/converted-paper-product-manufacturing
https://www.statista.com/statistics/898955/mexico-motor-vehicle-production-brand/
https://www.vda.de/en/news/facts-and-figures/annual-figures/automobile-production)
https://www.economia.gob.mx/datamexico/es/profile/product/boxes-corrugated-paperboard
Con está pregunta se busca conocer un poco más acerca de los ex-empleados de FORM y buscar algunas
# file.choose()
BDD_FORM_BAJAS_2023 <- read_csv("/Users/danrwar/Desktop/Rstudio works/etapa 1/BDD_FORM_BAJAS_2023.csv")
## Rows: 279 Columns: 28
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (24): Apellidos, Nombre, Fecha de Nacimiento, Género, RFC, Fecha de Alta...
## dbl (4): No., SD, CP, Número de Télefono
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
### Seleccionar las variables de Motivo de baja y Estado Civil en un nuevo data frame.
mbaja <- select(BDD_FORM_BAJAS_2023,`Motivo de Baja`,`Estado Civil`) %>% na.omit(mbaja)
mbaja$"Motivo de Baja"[mbaja$"Motivo de Baja" == "Inducida."] <- "Inducida"
mbaja$"Motivo de Baja"[mbaja$"Motivo de Baja" == "Inducida (Faltas)"] <- "Inducida por faltas"
mbaja$"Motivo de Baja"[mbaja$"Motivo de Baja" == "Inducida (Faltas no dio los tiempos)"] <- "Inducida"
mbaja$"Estado Civil"[mbaja$"Estado Civil" == "casado"] <- "Casado"
porcentajes <- mbaja %>%
group_by(`Estado Civil`, `Motivo de Baja`) %>%
summarise(Frecuencia = n()) %>%
group_by(`Estado Civil`) %>%
mutate(Pct = scales::percent(Frecuencia / sum(Frecuencia)))
## `summarise()` has grouped output by 'Estado Civil'. You can override using the
## `.groups` argument.
plot <- ggplot(porcentajes, aes(x = `Estado Civil`, y = Frecuencia, fill = `Motivo de Baja`)) +
geom_bar(stat = "identity") +
theme_minimal() +
theme(
panel.grid.major = element_line(color = "grey", linewidth = 0.4, linetype = "dotted"), # Líneas verticales
panel.grid.minor = element_line(color = "grey", linewidth = 0.4, linetype = "dotted") # Líneas horizontales
)+
ggtitle("Relación entre Motivo de Baja y Estado Civil")
plot + geom_text(aes(label = Pct), position = position_stack(vjust = 0.5),size=2)
Por lo que podemos ver en la gráfica, la gran mayoría de las bajas en todas las categorías son por separación voluntaria y realmente no se logra ver una correlación entre el estado civil de la persona y el motivo de baja, lo que podría indicar una alta rotación de empleados en los trabajos de maquila en general o podría ser un indicador de que hay varias áreas de oportunidad en cuestión de amenidades, salarios, bonos, oportunidades de crecimiento en la empresa, traslado o prestaciones que la empresa ofrece además de las básicas dictadas por la ley.
Pregunta 2
#file.choose()
bajas<-read_csv("/Users/danrwar/Desktop/Rstudio works/etapa 1/form_bajas_22.csv")
## Rows: 238 Columns: 25
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (23): APELLIDOS, NOMBRE, FECHA DE NACIMIENTO, GENERO, RFC, FECHA DE ALTA...
## dbl (2): DIAS LABORADOS, SALARIO DIARIO IMSS
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
#Estoy creando un data frame nuevo con las columnas necesarias para hacer la gráfica
bajas1 <- select(bajas,"NOMBRE","APELLIDOS","FECHA DE NACIMIENTO","DIAS LABORADOS","SALARIO DIARIO IMSS") %>% na.omit(bajas1)
#view(bajas1)
summary(bajas1$`DIAS LABORADOS`)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.00 8.75 19.00 80.00 49.25 1966.00
summary(bajas1$`SALARIO DIARIO IMSS`)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 144.4 180.7 180.7 177.7 180.7 500.0
#Aquí reviso que formato tienen las columnas
str(bajas1)
## tibble [212 × 5] (S3: tbl_df/tbl/data.frame)
## $ NOMBRE : chr [1:212] "MARIA FERNANDA" "EMANUEL" "TRINIDAD" "WILMAR" ...
## $ APELLIDOS : chr [1:212] "JIMENEZ ALANIS" "JAUREGUI SANCHEZ" "GARCIA CAZARES" "LOPEZ ROMERO" ...
## $ FECHA DE NACIMIENTO: chr [1:212] "7/10/1998" "10/3/1998" "5/25/1997" "9/4/2001" ...
## $ DIAS LABORADOS : num [1:212] 423 35 102 63 34 23 30 6 0 141 ...
## $ SALARIO DIARIO IMSS: num [1:212] 177 181 181 177 181 ...
## - attr(*, "na.action")= 'omit' Named int [1:26] 8 27 28 58 67 110 135 136 137 141 ...
## ..- attr(*, "names")= chr [1:26] "8" "27" "28" "58" ...
#Aquí estoy haciendo una extracción del año de nacimiento excluyendo los días y meses.
#Decidí hacer esto porque hay filas en las que está escrito M/D/A y otras D/M/A
bajas1$ANIO<-str_sub(bajas1$`FECHA DE NACIMIENTO`,-4,-1)
#Convirtiendo la columna de "ANIO" en integer
bajas1$ANIO <- as.integer(bajas1$ANIO)
str(bajas1)
## tibble [212 × 6] (S3: tbl_df/tbl/data.frame)
## $ NOMBRE : chr [1:212] "MARIA FERNANDA" "EMANUEL" "TRINIDAD" "WILMAR" ...
## $ APELLIDOS : chr [1:212] "JIMENEZ ALANIS" "JAUREGUI SANCHEZ" "GARCIA CAZARES" "LOPEZ ROMERO" ...
## $ FECHA DE NACIMIENTO: chr [1:212] "7/10/1998" "10/3/1998" "5/25/1997" "9/4/2001" ...
## $ DIAS LABORADOS : num [1:212] 423 35 102 63 34 23 30 6 0 141 ...
## $ SALARIO DIARIO IMSS: num [1:212] 177 181 181 177 181 ...
## $ ANIO : int [1:212] 1998 1998 1997 2001 2002 2000 2000 1999 2002 1994 ...
## - attr(*, "na.action")= 'omit' Named int [1:26] 8 27 28 58 67 110 135 136 137 141 ...
## ..- attr(*, "names")= chr [1:26] "8" "27" "28" "58" ...
#Aquí creó una nueva columna llamada "EDAD" restando el año actual con el de "ANIO
bajas1$EDAD <- 2023-bajas1$ANIO
#Había un error en el cual existían tres filas que tenían edad de 1 por lo cual le pedí que solo mostrara los que son mayor a 18.
bajas1 <- bajas1[bajas1$EDAD >18,]
hist(bajas1$EDAD,col = blues9,xlab = "Edad",ylab ="Frecuencia" ,main = "Bajas por Edad")
Nos damos cuenta de que la rotación de personal se ve más alta en los colaboradores más jóvenes. Esto es información útil ya que nos permite tomar decisiones adecuadas para mejorar la satisfacción laboral en específico para estos rangos de edades. Con esta gráfica podemos entrar más a detalle en el área de oportunidad y así entender las razones de la alta rotación. Nos damos cuenta de que se tiene que hacer un esfuerzo por mejorar la relación con las nuevas generaciones o contratar a personas mayores.
Pregunta 3
rh <- read.csv("/Users/danrwar/Desktop/Rstudio works/etapa 1/form_rh_datos.csv")
#View(rh)
edad <- select(rh,"FECHA.DE.ALTA", "FECHA.DE.NACIMIENTO")
#str(rh)
rh$año_alta <- str_sub(rh$FECHA.DE.ALTA, -4, -1)
rh$año_nac <- str_sub(rh$FECHA.DE.NACIMIENTO, -4, -1)
rh$año_alta <- as.integer(rh$año_alta)
rh$año_nac <- as.integer(rh$año_nac)
rh <- rh[rh$año_alta > 2013,]
rh <- rh[-30,]
rh$edad_ingreso <- rh$año_alta - rh$año_nac
rh <- rh[rh$edad_ingreso > 18,]
edad_de_ingreso_max <- max(rh$edad_ingreso)
print(edad_de_ingreso_max)
## [1] 60
edad_de_ingreso_min <- min(rh$edad_ingreso)
print(edad_de_ingreso_min)
## [1] 19
edad_de_ingreso_mean <- mean(rh$edad_ingreso)
print(edad_de_ingreso_mean)
## [1] 34.92308
hist(rh$edad_ingreso,col = "#009E73" ,xlab = "Edad",main = "Alta por Edad")
ggplot(rh, aes(edad_ingreso, fill = GENERO)) +
geom_histogram(bins = 10) +
labs(y = "") +
facet_wrap(~GENERO, nrow = 2)
Podemos analizar en las graficas que la edad más comun para ingresar a trabajar a FORM es entre los 25 - 30 lo que nos puede ayudar a crear campañas de reclutamiento enfocadas en el mercado de edad al que los empleados de FORM estan enfocados, FORM cuenta con un gran rango de edades comenzando desde los 19 y llegando hasta los 60. Este ultimo siendo el grupo mas pequeño dentro de la empresa mientras que los jovenes de 18 - 20 tienden a ser un porcentaje más alto de hombres. Nos damos cuenta con la grafica que FORM le abre las puertas a muchas personas y ofrece oportunidades de trabajo para nuevas generaciones y personas con experiencia
Pregunta 3
bajas = read.csv("/Users/danrwar/Desktop/Rstudio works/etapa 1/form_bajas_22.csv")
dfbajas = bajas
#Limpieza Dataset
bajas$ESTADO.CIVIL = gsub("MATRIOMONIO", "MATRIMONIO", bajas$ESTADO.CIVIL)
hist(bajas$DIAS.LABORADOS, col = blues9, xlab = "DIAS LABORADOS", ylab = "Frecuencia", main = "Días Laborados", xlim = c(0, 1000))
df_rotacion = bajas %>% select(GENERO, FECHA.DE.ALTA,BAJA, MOTIVO.DE.BAJA, DIAS.LABORADOS, PUESTO)
df_rotacion = df_rotacion %>% separate(BAJA, into = c("MONTH_BAJA", "DAY_BAJA", "YEAR_BAJA"), sep = "/")
## Warning: Expected 3 pieces. Missing pieces filled with `NA` in 15 rows [27, 28, 58, 135,
## 137, 141, 151, 178, 179, 198, 203, 205, 207, 212, 238].
df_rotacion = df_rotacion %>% separate(FECHA.DE.ALTA, into = c("MONTH_ALTA", "DAY_ALTA", "YEAR_ALTA"), sep = "/")
## Warning: Expected 3 pieces. Missing pieces filled with `NA` in 1 rows [238].
df_months <- df_rotacion %>%
mutate(NAME_MONTH = case_when(
MONTH_BAJA == 1 ~ "Enero",
MONTH_BAJA == 2 ~ "Febrero",
MONTH_BAJA == 3 ~ "Marzo",
MONTH_BAJA == 4 ~ "Abril",
MONTH_BAJA == 5 ~ "Mayo",
MONTH_BAJA == 6 ~ "Junio",
MONTH_BAJA == 7 ~ "Julio",
MONTH_BAJA == 8 ~ "Agosto",
MONTH_BAJA == 9 ~ "Septiembre",
MONTH_BAJA == 10 ~ "Octubre",
MONTH_BAJA == 11 ~ "Noviembre",
MONTH_BAJA == 12 ~ "Diciembre"
)) %>%
filter(NAME_MONTH %in% c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre")) %>%
select(GENERO, MONTH_BAJA, DAY_ALTA, YEAR_ALTA, MOTIVO.DE.BAJA, NAME_MONTH, PUESTO)
barplot_subcategory <- ggplot(df_months, aes(x = NAME_MONTH)) +
geom_bar(fill = "#F46C22", width = 0.5) +
ggtitle("Bajas por Mes")
barplot_subcategory +
labs(title = "Bajas por Mes 2022") +
theme(panel.grid = element_blank(),panel.background = element_blank(), plot.title = element_text(hjust = 0.5, face = "bold")) + xlab("Meses") +
ylab("Cantidad de Bajas")
frequency_puesto = table(df_months$PUESTO)
df_frequency_puesto = as.data.frame(frequency_puesto)
colnames(df_frequency_puesto) <- c("Puesto", "Cantidad")
df_frequency_puesto <- df_frequency_puesto %>%
arrange(desc(Cantidad))
kable(df_frequency_puesto, format = "html", escape = FALSE,
table.attr = 'style="font-family: Arial, sans-serif;"')
Puesto | Cantidad |
---|---|
AYUDANTE GENERAL | 170 |
SOLDADOR | 12 |
COSTURA | 10 |
AYUDANTE DE EMBARQUES | 7 |
MONTACARGUISTA | 5 |
INSPECTOR CALIDAD | 3 |
RESIDENTE | 3 |
MATERIALISTA | 2 |
ANALISTA DE NOMINAS | 1 |
CHOFER | 1 |
CORTADOR | 1 |
DISEÑO | 1 |
FACTURACION | 1 |
GUARDIA SEGURIDAD | 1 |
JEFE DE SEGURIDAD E HIGIENE | 1 |
LIMPIEZA | 1 |
MANTENIMIENTO | 1 |
MARCADORA | 1 |
SERVICIO AL CLIENTE | 1 |
Analizando directamente la cantidad de bajas por mes podemos ver que existe una alta inclinación de bajas de empleados en su en el mes de Enero y en su contraparte Noviembre es el mes con menor número de bajas, al excluir el mes de Diciembre que no cuenta con ninguna baja registrada. Por lo que se plantéa la hipótesis la cual FORM menciono durante las sesiones de información general de la empresa, “Los empleados se quedan para recibir su aguinaldo/bono y despúes se van”, por lo que se puede mencionar una asociación de los datos pero todavía no una causalidad de los mismos.
Comenzando con el primer hallazgo, en la primera etapa del entregable se puede obtener del contexto de la industria y del desarrollo de Form que su trayectoria como empresa es muy buena, además de que la industria tiene una proyección hacia arriba en cuanto a capacidad de producción propia del país e incluso denota una alza en la exportación en los siguientes años. También es importante recalcar que aun y con los eventos tan catastróficos que ocurrieron por la pandemia, la industria automotriz se mantuvo gracias al apoyo del gobierno hacia las empresas automovilísticas. Esto indica la fortaleza de la industria y que siempre habrá posibilidad de expandir el negocio de Form.
Hablando ya un poco más a profundidad de Form, se puede notar como es que es una empresa con una formidable capacidad de adaptación ante lo que esta pidiendo el mercado, ya que puede ofrecer una gran variedad de productos dependiendo de las necesidades de sus clientes. Y cualquier amenaza que pueda tener, la cubre con mejores fortalezas como su capacidad de planeación y en enfoque en el servicio que ofrecen.
Ya entrando en la segunda parte del entregable, podemos ver la primera pregunta de planteamiento, en cuestión se estará preguntando: ¿Cuál es el estado civil con más bajas? Esto para conocer más sobre el talento que ha dejado Form y entender el porqué de la baja. En este gráfico se puede observar que la categoría con más bajas es la de “Soltera” esto hará más sentido una vez que analizemos los demás gráficos en el documento. Pero por ahora nos da un insight importante el cual es que la mayoría de las bajas dentro de Form son conformadas por mujeres solteras.
Ligado a la pregunta anterior, podemos notar en la gráfica de “Bajas por puesto” que la gran mayoría de los puestos de maquila están conformados por mujeres, mientras que en las categorías administrativas está más nivelado entre hombres y mujeres. Esto puede dar paso a una gran oportunidad para Form en los beneficios que ofrece a sus trabajadores, para así llamar más la atención de sus colaboradores y eliminar el problema que tienen con su alta rotación de empleados.
Siguiendo en el entregable, podemos ver la parte de “Estadísticos Descriptivos”, los cuales son conformados por un resumen de los días laborados de todos los empleados en Form en donde se puede observar que el promedio de días laborados dentro de Form por empleado es de 80 días lo que equivaldría a 2 meses y medio. Esto sigue indicando una alta rotación en el talento humano dentro de la organización y es algo a evaluar. Por lo que en el siguiente dato se puede ver un resumen del salario de todos los empleados de Form en donde se observa un que el promedio de salario por empleado es de 177 pesos mexicanos por día. Esto es un dato importante ya que tendríamos que investigar el salario que otras maquiladoras estan ofreciendo a sus empleados para saber si es que estamos en un rango alto o bajo dentro de la industria, para así notar si es una fortaleza o un área de oportunidad dentro de Form. Aun y con todo esto dicho este es un salario bajo, comparado con el salario mínimo en México desde este 2023, el cual es de 207.44 pesos mexicanos diarios. Aunque es importante recalcar que las bases de datos proporcionadas por Form son de el año 2022.
El siguiente gráfico plantea las “Bajas por Edad” en donde se observa una mayor cantidad de bajas entre la edad de 20 y 25 años, seguidas por las de 26 a 30 años y en medida que sube la edad de 35 a 49 va bajando la cantidad de bajas. De aqui podemos deducir que la gran mayoría de la mano de obra que llega es de una edad jóven, para lo que hay que verificar y ajustar los beneficios que ofrecemos para que sean atractivos para esta generación de talento humano. Aunque con el siguiente dato estadístico podemos ver que el promedio de edad en el que una persona entra a trabajar a Form es de 35 años.
Analizando más esta información, con un gráfico de población en donde se visualiza la cantidad de hombres o mujeres que están dados de alta en donde se destaca que para los hombres hay un rango de edad muy amplio de ingreso que es desde los 19 hasta los 35 años de edad, pero en cuanto a las mujeres, se puede notar un alto pico en las mujeres de 44 a 45 años que entran a Form mientras que una alta concentración de altas de mujeres está entre los 35 y 45 años.
Como último gráfico tenemos el de “Bajas por Mes 2022” el cual muestra las bajas totales de por mes que tuvo Form en el año 2022, en este se puede ver cómo es que el mes con más cantidad de bajas es Enero y el mes con menor cantidad de bajas es Noviembre mientras que en el mes de Diciembre no se encuentra ningúna baja, lo que muy probablemente indique que la gente aguanta Noviembre y Diciembre para recibir los bonos y aguinaldo para después marcharse de la empresa en Enero.
Y por último podemos observar la “Cantidad de Bajas por Puesto” y el puesto con mayor cantidad de bajas por mucho es el de Ayudante General que está ubicado en la sección de maquila, la cual vimos que está conformada en su mayor parte por mujeres de 35 a 50 años, esto nos da un sujeto de estudio muy específico en el cual nos basaremos para arreglar la situación de ambiente laboral en Form y llegar a la conclusión de que es lo que Form podría hacer para mejorar la satisfacción de sus colaboradores y así reducir la alta tasa de rotación que tiene actualmente.
Con este análisis y gracias a las opiniones de mis profesores, y guest speakers que nos platicaron de su experiencia después de informarse del caso, puedo hacer diferentes sugerencias, las cuales son:
La primera propuesta sería realizar una serie de encuestas cualitativas para los trabajadores de Form, pero más enfocado directamente hacia nuestro sujeto que salió del análisis recién hecho (mujeres de 35 a 50 años). Estas encuestas tendrían preguntas relacionadas con cómo se sienten con el liderazgo de Form, las opciones de crecimiento, el salario, las instalaciones de la nave, los bonos, el horario de trabajo, la satisfacción de su trabajo, el sentido de pertenencia en la empresa, etc. Así podríamos actuar de forma más eficiente y solucionar de raíz el problema de la rotación de empleados.
La segunda propuesta sería realizar actividades en donde se fomente el trabajo en equipo dentro de la empresa para así dar un sentido más profundo de pertenencia e ir conectando a la gente dentro de Form para que no sea una maquila más. Así la gente se quedaría por el sentido familiar de ir a trabajar a un lugar en el que importas y conectas con las personas a tu alrededor y no solo por un sueldo.
Del Trabajo Y Previsión Social, S. & Secretaría del Trabajo y Previsión Social. (2023, January 1). Entran en vigor salarios mínimos 2023 en todo el país. gob.mx. https://www.gob.mx/stps/prensa/entran-en-vigor-salarios-minimos-2023-en-todo-el-pais?idiom=es#:~:text=BOLET%C3%8DN%20N%C3%BAmero%20001%2F2023&text=A%20partir%20de%20este%20d%C3%ADa,poder%20adquisitivo%20de%20estos%20salarios.