Actividad 3_entregable
Carlos Vicente Niño Rondón
2023-09-30
library(readxl)## Warning: package 'readxl' was built under R version 4.2.3Datos = read_excel("C:/Users/CARLOS/OneDrive/Escritorio/MAESTRÍA CIENCIA DE DATOS PUJ-CALI/SEGUNDO SEMESTRE/METODOS_ESTADISTICOS/rotacion.xlsx")
head(Datos,5)## # A tibble: 5 × 24
## Rotación Edad `Viaje de Negocios` Departamento Distancia_Casa Educación
## <chr> <dbl> <chr> <chr> <dbl> <dbl>
## 1 Si 41 Raramente Ventas 1 2
## 2 No 49 Frecuentemente IyD 8 1
## 3 Si 37 Raramente IyD 2 2
## 4 No 33 Frecuentemente IyD 3 4
## 5 No 27 Raramente IyD 2 1
## # ℹ 18 more variables: Campo_Educación <chr>, Satisfacción_Ambiental <dbl>,
## # Genero <chr>, Cargo <chr>, Satisfación_Laboral <dbl>, Estado_Civil <chr>,
## # Ingreso_Mensual <dbl>, Trabajos_Anteriores <dbl>, Horas_Extra <chr>,
## # Porcentaje_aumento_salarial <dbl>, Rendimiento_Laboral <dbl>,
## # Años_Experiencia <dbl>, Capacitaciones <dbl>,
## # Equilibrio_Trabajo_Vida <dbl>, Antigüedad <dbl>, Antigüedad_Cargo <dbl>,
## # Años_ultima_promoción <dbl>, Años_acargo_con_mismo_jefe <dbl>PREGUNTA 1
El estado civil puede estar asociado con la tasa de rotación. Por ejemplo, es posible que los empleados solteros tengan una mayor propensión a cambiar de trabajo, ya que pueden aceptar nuevas oportunidades laborales sin tener compromisos familiares que les limiten. Esto se debe a que no tienen dependientes económicos, como hijos o padres mayores.
La frecuencia de viajes de negocios puede influir en la tasa de rotación. Los empleados que viajan con regularidad pueden experimentar agotamiento físico y separación prolongada de sus familias. Esta situación puede motivarlos a buscar empleos que no requieran viajes de negocios.
El departamento en el que trabaja un empleado puede estar relacionado con su tasa de rotación. Algunos departamentos, como ventas, pueden tener una alta rotación debido a la estructura de compensación basada en comisiones. Cuando los empleados no logran vender lo suficiente, pueden buscar oportunidades laborales en otros departamentos que ofrezcan un salario base.
El porcentaje de aumento salarial puede influir en la tasa de rotación. Es probable que un incremento salarial bajo motive a los empleados a buscar oportunidades con salarios más competitivos en otros lugares.
La cantidad de años que un empleado ha trabajado bajo el mismo jefe puede estar relacionada con la tasa de rotación. Los empleados que han estado menos tiempo bajo la supervisión del mismo jefe pueden tener una mayor propensión a cambiar de trabajo. Esto puede deberse a estilos de liderazgo autoritarios o a la incapacidad de algunos jefes para crear un ambiente de trabajo positivo.
La cantidad de años de experiencia laboral puede influir en la tasa de rotación. Es probable que los empleados con menos experiencia sean más propensos a buscar nuevas oportunidades para crecer profesionalmente y alcanzar sus metas vocacionales.
PUNTO 2
require(ggplot2)## Loading required package: ggplot2## Warning: package 'ggplot2' was built under R version 4.2.3require(ggpubr)## Loading required package: ggpubr## Warning: package 'ggpubr' was built under R version 4.2.3library(forcats)## Warning: package 'forcats' was built under R version 4.2.3gR=ggplot(Datos,aes(x=Rotación))+geom_bar(fill="#c92853")+theme_bw()+theme(axis.text.x = element_text(angle = 90))
Rota=ggarrange(gR, size=2)## Warning in as_grob.default(plot): Cannot convert object of class numeric into a
## grob.Rota
round(prop.table(table(Datos$Rotación))*100,digits = 0)##
## No Si
## 84 16library(dplyr)## Warning: package 'dplyr' was built under R version 4.2.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, uniong1 <- ggplot(Datos, aes(x = `Viaje de Negocios`)) +
geom_bar(fill = "#b5b5b3") +
theme_bw() +
theme(axis.text.x = element_text(angle = 90))
g2 <- ggplot(Datos, aes(x = Departamento)) +
geom_bar(fill = "#1fd184") +
theme_bw()
g3 <- ggplot(Datos, aes(y = Años_acargo_con_mismo_jefe)) +
geom_bar(stat = "count", fill = "#f68060", alpha = 0.6, width = 0.4) +
coord_flip() +
theme_bw()
g4 <- ggplot(Datos, aes(x = Años_Experiencia)) +
geom_bar(fill = "#1fbfd1") +
theme_bw() +
theme(axis.text.x = element_text(angle = 90))
g5 <- ggplot(Datos, aes(x = Estado_Civil)) +
geom_bar(fill = "#cd42f0") +
theme_bw()
g6 <- ggplot(Datos, aes(x = Porcentaje_aumento_salarial)) +
geom_bar(fill = "#f0ba32") +
theme_bw()
graf <- ggarrange(g1, g2, g3, g4, g5, g6,
labels = c("A", "B", "C", "D", "E", "F"),
ncol = 3,nrow = 2)
graf
En términos generales, los datos indican que alrededor del 16 por ciento
del total de rotación de empleados es de naturaleza voluntaria.
PUNTO 3
require(CGPfunctions)## Loading required package: CGPfunctions## Warning: package 'CGPfunctions' was built under R version 4.2.3gb1=PlotXTabs2(Datos,Estado_Civil,Rotación, plottype = "percent" )
Grafica_Estado_Civil=ggarrange(gb1,labels = c("GRAFICA 1"))
Grafica_Estado_Civil
gb2=PlotXTabs2(Datos,`Viaje de Negocios`,Rotación, plottype = "percent" )
Gráfica_Viaje_de_Negocios=ggarrange(gb2,labels = c("GRAFICA 2"))
Gráfica_Viaje_de_Negocios
gb3=PlotXTabs2(Datos,Departamento, Rotación, plottype = "percent" )
Gráfica_Departamento=ggarrange(gb3,labels = c("GRAFICA 3"))
Gráfica_Departamento
gb4=PlotXTabs2(Datos,Porcentaje_aumento_salarial,Rotación, plottype = "percent" )
Gráfica_Porcentaje_aumento_salarial=ggarrange(gb4,labels = c("1D"))
Gráfica_Porcentaje_aumento_salarial
gb5=PlotXTabs2(Datos,Años_acargo_con_mismo_jefe,Rotación, plottype = "percent" )+theme(axis.text.x = element_text(angle = 90))
Gráfica_Años_acargo_con_mismo_jefe=ggarrange(gb5,labels = c("1E"))
Gráfica_Años_acargo_con_mismo_jefe
gb6=ggplot(Datos,aes(x=Rotación, y=Años_Experiencia, fill=Rotación))+geom_boxplot()+theme_bw()
Gráfica_Años_Experiencia=ggarrange(gb6,labels = c("1F"))
Gráfica_Años_Experiencia
La Gráfica 1 confirma la Hipótesis 1, ya que indica que los empleados
solteros tienen una tasa de rotación del 26 por ciento, que es mayor que
la de empleados casados o divorciados.
La Gráfica 2 respalda la Hipótesis 2 al mostrar que los empleados que viajan con frecuencia tienen la mayor tasa de rotación, llegando al 25 por ciento.
La Gráfica 3 verifica la Hipótesis 3 al señalar que los empleados del departamento de ventas muestran la mayor tasa de rotación, alcanzando un 21 por ciento. Sin embargo, es importante analizar si esto se debe a los viajes frecuentes o a las comisiones bajas.
La Gráfica 4 no confirma la Hipótesis 4, ya que indica que los empleados con un menor incremento salarial no rotan más que aquellos con un aumento mayor. Se observa que empleados con un aumento entre el 22% y el 24% tienen una tasa de rotación igual o mayor que aquellos con un aumento del 11% en sus salarios.
La Gráfica 5 no respalda la Hipótesis 5, ya que muestra que los empleados con menos años bajo el mismo jefe no tienen una tasa de rotación mayor que aquellos con más años bajo el mismo líder. La tasa de rotación más alta (40%) se observa entre empleados con 14 años bajo el mismo jefe.
La Gráfica 6 valida la Hipótesis 6 al indicar que los empleados con menos años de experiencia tienen una mayor tasa de rotación que aquellos con más años de experiencia. Específicamente, se observa que el rango de 3 a 10 años de experiencia presenta la mayor tasa de rotación.
PUNTO 4
Datos$Rotación=as.numeric(Datos$Rotación=="Si")
modelol=glm(Rotación~`Viaje de Negocios`+Departamento+Estado_Civil+Años_acargo_con_mismo_jefe+Años_Experiencia+Porcentaje_aumento_salarial,data = Datos,family = "binomial")
summary(modelol)##
## Call:
## glm(formula = Rotación ~ `Viaje de Negocios` + Departamento +
## Estado_Civil + Años_acargo_con_mismo_jefe + Años_Experiencia +
## Porcentaje_aumento_salarial, family = "binomial", data = Datos)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.3522 -0.6202 -0.4663 -0.2974 2.8133
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.608406 0.385886 -1.577 0.114877
## `Viaje de Negocios`No_Viaja -1.377440 0.341205 -4.037 5.41e-05 ***
## `Viaje de Negocios`Raramente -0.657603 0.172920 -3.803 0.000143 ***
## DepartamentoRH 0.515112 0.348524 1.478 0.139413
## DepartamentoVentas 0.485131 0.158053 3.069 0.002145 **
## Estado_CivilDivorciado -0.203285 0.223122 -0.911 0.362246
## Estado_CivilSoltero 0.817903 0.164001 4.987 6.13e-07 ***
## Años_acargo_con_mismo_jefe -0.095802 0.027809 -3.445 0.000571 ***
## Años_Experiencia -0.049862 0.013135 -3.796 0.000147 ***
## Porcentaje_aumento_salarial -0.007158 0.020763 -0.345 0.730282
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 1298.6 on 1469 degrees of freedom
## Residual deviance: 1166.3 on 1460 degrees of freedom
## AIC: 1186.3
##
## Number of Fisher Scoring iterations: 5PUNTO 5
library(vcd)## Warning: package 'vcd' was built under R version 4.2.3## Loading required package: gridpredict1= predict.glm(modelol, newdata = Datos, type = "response")
result1 = table(Datos$Rotación, ifelse(predict1 >0.2, 1, 0), dnn = c("observaciones", "predicciones"))
result1## predicciones
## observaciones 0 1
## 0 924 309
## 1 107 130mosaic(result1, shade = T, colorize = T,
gp = gpar(fill = matrix(c("green3", "red2", "red2", "green3"), 2, 2)))
sum(diag(result1)/sum(result1))## [1] 0.7170068library(ROCR)## Warning: package 'ROCR' was built under R version 4.2.3prediccion_rotacion= ROCR::prediction(predict1,Datos$Rotación)
perf= performance(prediction.obj = prediccion_rotacion, "tpr", "fpr")
plot(perf)
abline(a=0, b=1, col="blue")
grid()
AUClog= performance(prediccion_rotacion, measure = "auc")@y.values[[1]]
cat("AUC: ", AUClog, "n")## AUC: 0.7170566 nEl modelo es capaz de clasificar correctamente 0.717(71.7%) de las observaciones cuando se emplean los datos de entrenamiento. De igual forma, 3l área bajo la curva de 0.71 indica que el modelo es aceptable y puede servir para predecir.
PUNTO 6
Trotacion=(predict(modelol,list(`Viaje de Negocios`="Frecuentemente",Departamento="Ventas",Estado_Civil="Casado",Años_acargo_con_mismo_jefe= 7, Porcentaje_aumento_salarial = 20, Años_Experiencia= 8),type = "response"))*100
cat("Tasa Rotación: ", Trotacion,"%")## Tasa Rotación: 20.81777 %PUNTO 7
Tanto los empleados solteros como aquellos con poca experiencia a menudo pueden sentir una falta de realización en su trabajo. Por esta razón, es crucial para la empresa ofrecer a sus empleados tareas estimulantes y oportunidades de formación que los motiven y les permitan avanzar en sus carreras. La motivación es una herramienta empresarial de gran importancia por sí misma, ya que puede influir en la retención del personal.
En cuanto a los viajes de negocios, se debería buscar formas de establecer conexiones remotas, aprovechando la tecnología para reducir distancias físicas. Asimismo, es esencial brindar comodidades a los empleados durante los viajes, escuchando sus preferencias en cuanto a transporte, alojamiento, gastos y otras necesidades que contribuyan a reducir el estrés asociado a los desplazamientos. También se podría considerar la implementación de incentivos específicos para aquellos que viajan con mayor frecuencia.
En el departamento de ventas, se pueden aplicar diversas estrategias para mantener a los empleados motivados:
Complementar el plan de incentivos con opciones novedosas y atractivas. Establecer metas a corto plazo que sean alcanzables. Plantear desafíos y misiones que estimulen el crecimiento profesional. Reconocer y premiar el esfuerzo de todos los miembros del equipo, no solo a los mejores. Agilizar la alineación de las acciones tácticas o de marketing con la ejecución de las ventas. Brindar reconocimiento de manera más frecuente y pública. Fomentar un ambiente de trabajo en el que se promueva la diversión y el compañerismo. Mostrar los progresos de cada miembro del equipo de manera regular. Considerar la implementación de un salario base que motive a los empleados a permanecer en el departamento de ventas. Ideas adicionales podrían incluir la creación de programas de mentoría, la organización de eventos sociales y de team-building, así como la implementación de programas de desarrollo profesional continuo. Además, se podría considerar la posibilidad de ofrecer oportunidades de crecimiento vertical dentro de la empresa para aquellos empleados que demuestren un alto desempeño y compromiso.