FORM

Limpieza base de datos

Análisis de datos exploratorio

rh_nueva <- read.csv("/Users/oscarcamilo/Documents/Tec MTY/ANALÍTICA PARA NEGOCIOS/RETO/ENCUESTAS/EncuestasForm_BaseLimpia.csv")

Librerías

library(dplyr)

str(rh_nueva)

## 'data.frame':    106 obs. of  22 variables:
##  $ Puesto                    : chr  "Administrativo" "Costurera" "Ayudante general" "Ayudante general" ...
##  $ puesto_otro               : chr  "" "" "" "" ...
##  $ Antiguedad                : int  9 36 4 2 1 36 36 36 36 1 ...
##  $ Motivación                : chr  "Por el salario" "Otro" "Ubicación de la empresa" "Ubicación de la empresa" ...
##  $ Salario                   : int  5 4 2 5 3 4 2 5 4 5 ...
##  $ Prestaciones              : int  4 4 1 4 1 5 3 4 1 4 ...
##  $ Jornada_Laboral           : int  5 5 1 5 5 5 4 5 4 5 ...
##  $ Herramientas              : int  5 4 1 5 5 5 4 5 1 5 ...
##  $ Temperatura               : int  2 3 3 4 4 2 2 4 5 1 ...
##  $ Estrés                    : int  5 2 1 5 3 4 5 4 4 5 ...
##  $ Transporte                : int  4 2 4 5 1 5 1 5 5 2 ...
##  $ Instalaciones             : int  5 4 4 5 5 4 4 5 5 5 ...
##  $ Rotación                  : int  4 5 1 4 3 5 3 5 5 5 ...
##  $ Conflicto.Acoso           : chr  "No" "No" "Si" "No" ...
##  $ Satisfacción.en.el.trabajo: chr  "cotización ante imss, fecha de pago, comer a las 3pm" "Ninguno" "mucho trabajo, estrés" "Todo bien " ...
##  $ Emoción                   : chr  "agusto, feliz" "Bien" "cómoda, no satisfecha" "Tranquila y contenta " ...
##  $ Edad                      : chr  "30" "54" "21" "20" ...
##  $ Genero                    : chr  "Femenino" "Femenino" "Femenino" "Femenino" ...
##  $ Estado.Civil              : chr  "Unión libre" "Casado" "Soltero" "Casado" ...
##  $ Municipio                 : chr  "Apodaca" "Apodaca" "Apodaca" "Apodaca" ...
##  $ Escolaridad               : chr  "Licenciatura" "Primaria" "Preparatoria" "Preparatoria" ...
##  $ Dependientes              : int  0 0 0 0 0 2 1 0 0 2 ...

summary(rh_nueva$Antiguedad)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    1.00    9.00   14.08   34.50   36.00

summary(rh_nueva$Edad)

##    Length     Class      Mode 
##       106 character character

sd(rh_nueva$Antiguedad)

## [1] 14.47145

sd(rh_nueva$Edad)

## Warning in var(if (is.vector(x) || is.factor(x)) x else as.double(x), na.rm =
## na.rm): NAs introduced by coercion

## [1] NA

Tablas frecuencias - escala de satisfacción

tabla <- table(rh_nueva$Salario2)
tabla

## < table of extent 0 >

tabla <- table(rh_nueva$Prestaciones)
tabla

## 
##  1  2  3  4  5 
## 21 19 10 22 34

tabla <- table(rh_nueva$Jornada_Laboral)
tabla

## 
##  1  2  3  4  5 
##  8  6 10 19 63

tabla <- table(rh_nueva$Herramientas)
tabla

## 
##  1  2  3  4  5 
## 20  2  9 15 60

tabla <- table(rh_nueva$Temperatura)
tabla

## 
##  1  2  3  4  5 
## 35  7 12 14 38

tabla <- table(rh_nueva$Estrés)
tabla

## 
##  1  2  3  4  5 
## 13  9 20 21 43

tabla <- table(rh_nueva$Traslado)
tabla

## < table of extent 0 >

tabla <- table(rh_nueva$Instalaciones)
tabla

## 
##  1  2  3  4  5 
##  8  5  4 18 71

tabla <- table(rh_nueva$Rotación)
tabla

## 
##  1  2  3  4  5 
##  9  5 15 21 56

Tabla frecuencias - variables categoricas

tabla <- table(rh_nueva$Puesto_integrado)
tabla

## < table of extent 0 >

tabla <- table(rh_nueva$Motivación)
tabla

## 
##     Ambiente de trabajo                    Otro          Por el salario 
##                      13                      21                      19 
##            Prestaciones      Razones personales Ubicación de la empresa 
##                       2                      19                      32

tabla <- table(rh_nueva$Conflicto.Acoso)
tabla

## 
##                  No Prefiero no decirlo                  Si 
##                  89                   1                  16

tabla <- table(rh_nueva$Tipo.Emocion)
tabla

## < table of extent 0 >

tabla <- table(rh_nueva$Genero)
tabla

## 
##  Femenino Masculino 
##        69        37

tabla <- table(rh_nueva$Estado.Civil)
tabla

## 
##      Casado  Divorciado     Soltero Unión libre 
##          38           1          47          20

tabla <- table(rh_nueva$Municipio)
tabla

## 
##   Apodaca Guadalupe    Juárez Monterrey      Otro Pesquería 
##        77         4        12         3         6         4

tabla <- table(rh_nueva$Escolaridad)
tabla

## 
## Licenciatura         Otro Preparatoria     Primaria   Secundaria 
##           24            3           27            9           43

tabla <- table(rh_nueva$Dependientes)
tabla

## 
##  0  1  2  3 
## 44 24 23 15

Power BI y explicación

https://docs.google.com/document/d/1-Fj0Q3tBpGO04sFWvSiWWZiC1K-jQf4UwsDXWE_y3OE/edit

Regresión Lineal Multiple

encuesta <- read.csv("/Users/oscarcamilo/Documents/Tec MTY/ANALÍTICA PARA NEGOCIOS/RETO/ENCUESTAS/EncuestasForm_BaseLimpia.csv")

str(encuesta)

## 'data.frame':    106 obs. of  22 variables:
##  $ Puesto                    : chr  "Administrativo" "Costurera" "Ayudante general" "Ayudante general" ...
##  $ puesto_otro               : chr  "" "" "" "" ...
##  $ Antiguedad                : int  9 36 4 2 1 36 36 36 36 1 ...
##  $ Motivación                : chr  "Por el salario" "Otro" "Ubicación de la empresa" "Ubicación de la empresa" ...
##  $ Salario                   : int  5 4 2 5 3 4 2 5 4 5 ...
##  $ Prestaciones              : int  4 4 1 4 1 5 3 4 1 4 ...
##  $ Jornada_Laboral           : int  5 5 1 5 5 5 4 5 4 5 ...
##  $ Herramientas              : int  5 4 1 5 5 5 4 5 1 5 ...
##  $ Temperatura               : int  2 3 3 4 4 2 2 4 5 1 ...
##  $ Estrés                    : int  5 2 1 5 3 4 5 4 4 5 ...
##  $ Transporte                : int  4 2 4 5 1 5 1 5 5 2 ...
##  $ Instalaciones             : int  5 4 4 5 5 4 4 5 5 5 ...
##  $ Rotación                  : int  4 5 1 4 3 5 3 5 5 5 ...
##  $ Conflicto.Acoso           : chr  "No" "No" "Si" "No" ...
##  $ Satisfacción.en.el.trabajo: chr  "cotización ante imss, fecha de pago, comer a las 3pm" "Ninguno" "mucho trabajo, estrés" "Todo bien " ...
##  $ Emoción                   : chr  "agusto, feliz" "Bien" "cómoda, no satisfecha" "Tranquila y contenta " ...
##  $ Edad                      : chr  "30" "54" "21" "20" ...
##  $ Genero                    : chr  "Femenino" "Femenino" "Femenino" "Femenino" ...
##  $ Estado.Civil              : chr  "Unión libre" "Casado" "Soltero" "Casado" ...
##  $ Municipio                 : chr  "Apodaca" "Apodaca" "Apodaca" "Apodaca" ...
##  $ Escolaridad               : chr  "Licenciatura" "Primaria" "Preparatoria" "Preparatoria" ...
##  $ Dependientes              : int  0 0 0 0 0 2 1 0 0 2 ...

encuesta$Puesto <- as.factor(encuesta$Puesto)
encuesta$Edad <- as.integer(encuesta$Edad)

## Warning: NAs introduced by coercion

encuesta$Genero <- as.factor(encuesta$Genero)
encuesta$Estado.Civil <- as.factor(encuesta$Estado.Civil)
encuesta$Municipio <- as.factor(encuesta$Municipio)
encuesta$Escolaridad <- as.factor(encuesta$Escolaridad)
str(encuesta)

## 'data.frame':    106 obs. of  22 variables:
##  $ Puesto                    : Factor w/ 8 levels "Administrativo",..: 1 3 2 2 2 2 2 1 3 2 ...
##  $ puesto_otro               : chr  "" "" "" "" ...
##  $ Antiguedad                : int  9 36 4 2 1 36 36 36 36 1 ...
##  $ Motivación                : chr  "Por el salario" "Otro" "Ubicación de la empresa" "Ubicación de la empresa" ...
##  $ Salario                   : int  5 4 2 5 3 4 2 5 4 5 ...
##  $ Prestaciones              : int  4 4 1 4 1 5 3 4 1 4 ...
##  $ Jornada_Laboral           : int  5 5 1 5 5 5 4 5 4 5 ...
##  $ Herramientas              : int  5 4 1 5 5 5 4 5 1 5 ...
##  $ Temperatura               : int  2 3 3 4 4 2 2 4 5 1 ...
##  $ Estrés                    : int  5 2 1 5 3 4 5 4 4 5 ...
##  $ Transporte                : int  4 2 4 5 1 5 1 5 5 2 ...
##  $ Instalaciones             : int  5 4 4 5 5 4 4 5 5 5 ...
##  $ Rotación                  : int  4 5 1 4 3 5 3 5 5 5 ...
##  $ Conflicto.Acoso           : chr  "No" "No" "Si" "No" ...
##  $ Satisfacción.en.el.trabajo: chr  "cotización ante imss, fecha de pago, comer a las 3pm" "Ninguno" "mucho trabajo, estrés" "Todo bien " ...
##  $ Emoción                   : chr  "agusto, feliz" "Bien" "cómoda, no satisfecha" "Tranquila y contenta " ...
##  $ Edad                      : int  30 54 21 20 43 61 55 29 56 36 ...
##  $ Genero                    : Factor w/ 2 levels "Femenino","Masculino": 1 1 1 1 1 1 1 2 1 1 ...
##  $ Estado.Civil              : Factor w/ 4 levels "Casado","Divorciado",..: 4 1 3 1 3 4 1 3 3 4 ...
##  $ Municipio                 : Factor w/ 6 levels "Apodaca","Guadalupe",..: 1 1 1 1 3 1 1 1 1 1 ...
##  $ Escolaridad               : Factor w/ 5 levels "Licenciatura",..: 1 4 3 3 5 5 5 1 5 5 ...
##  $ Dependientes              : int  0 0 0 0 0 2 1 0 0 2 ...

regresion_insatisfaccion <- lm(Rotación ~ Puesto + Antiguedad + Salario + Prestaciones + Jornada_Laboral + Herramientas + Temperatura + Estrés + Transporte + Instalaciones + Rotación + Conflicto.Acoso + Edad + Genero + Estado.Civil + Municipio + Escolaridad + Dependientes, data = encuesta)

## Warning in model.matrix.default(mt, mf, contrasts): the response appeared on
## the right-hand side and was dropped

## Warning in model.matrix.default(mt, mf, contrasts): problem with term 11 in
## model.matrix: no columns are assigned

summary(regresion_insatisfaccion)

## 
## Call:
## lm(formula = Rotación ~ Puesto + Antiguedad + Salario + Prestaciones + 
##     Jornada_Laboral + Herramientas + Temperatura + Estrés + 
##     Transporte + Instalaciones + Rotación + Conflicto.Acoso + 
##     Edad + Genero + Estado.Civil + Municipio + Escolaridad + 
##     Dependientes, data = encuesta)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -2.29012 -0.64373  0.04135  0.49448  2.01758 
## 
## Coefficients:
##                                     Estimate Std. Error t value Pr(>|t|)  
## (Intercept)                         1.804844   0.815519   2.213   0.0301 *
## PuestoAyudante general             -0.519078   0.526814  -0.985   0.3278  
## PuestoCosturera                     0.269387   0.679540   0.396   0.6930  
## PuestoLimpieza                     -0.320732   0.980206  -0.327   0.7445  
## PuestoMantenimiento                 0.495872   1.260599   0.393   0.6952  
## PuestoOtro                         -0.479538   0.483901  -0.991   0.3251  
## PuestoSoldador                      0.928738   1.064599   0.872   0.3859  
## PuestoSupervisor                   -0.104395   0.671675  -0.155   0.8769  
## Antiguedad                          0.006569   0.009954   0.660   0.5115  
## Salario                             0.123600   0.106579   1.160   0.2501  
## Prestaciones                        0.217988   0.092744   2.350   0.0215 *
## Jornada_Laboral                     0.030917   0.108364   0.285   0.7762  
## Herramientas                        0.149761   0.095729   1.564   0.1222  
## Temperatura                        -0.150837   0.064509  -2.338   0.0222 *
## Estrés                              0.064348   0.089079   0.722   0.4724  
## Transporte                          0.088840   0.088902   0.999   0.3210  
## Instalaciones                       0.014727   0.114430   0.129   0.8980  
## Conflicto.AcosoPrefiero no decirlo -0.180756   1.117257  -0.162   0.8719  
## Conflicto.AcosoSi                  -0.376954   0.350675  -1.075   0.2860  
## Edad                                0.016367   0.013373   1.224   0.2250  
## GeneroMasculino                    -0.221957   0.268375  -0.827   0.4110  
## Estado.CivilDivorciado             -0.451114   1.292909  -0.349   0.7282  
## Estado.CivilSoltero                 0.039064   0.326676   0.120   0.9052  
## Estado.CivilUnión libre            -0.502234   0.372325  -1.349   0.1817  
## MunicipioGuadalupe                  0.123431   0.606001   0.204   0.8392  
## MunicipioJuárez                    -0.591573   0.406681  -1.455   0.1502  
## MunicipioMonterrey                  0.521235   0.784442   0.664   0.5085  
## MunicipioOtro                       0.335439   0.583078   0.575   0.5669  
## MunicipioPesquería                 -0.676459   0.594653  -1.138   0.2591  
## EscolaridadOtro                     0.575140   0.848774   0.678   0.5002  
## EscolaridadPreparatoria            -0.346103   0.463915  -0.746   0.4581  
## EscolaridadPrimaria                 0.040090   0.615192   0.065   0.9482  
## EscolaridadSecundaria               0.392371   0.488042   0.804   0.4241  
## Dependientes                       -0.023152   0.129122  -0.179   0.8582  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.9994 on 71 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.5851, Adjusted R-squared:  0.3923 
## F-statistic: 3.034 on 33 and 71 DF,  p-value: 4.598e-05

Observaciones:

Se hizo la regresión lineal utilizando como variable dependiente la variable de Rotación que explica si los empleados consideraban probable el seguir trabajando en FORM
Tenemos una R^2 de .39 y se utilizaron como variables independientes las demás variables que no eran preguntas abiertas en la encuesta

Clusters

Crear base de datos con la base limpia

df<- read.csv("/Users/oscarcamilo/Documents/Tec MTY/ANALÍTICA PARA NEGOCIOS/RETO/ENCUESTAS/EncuestasForm_BaseLimpia.csv")

Limpieza extra de base de datos para poder correr un cluster

df <- select(df, Estrés, Rotación)
df <- na.omit(df)

Determinar el número de grupos

grupos <- 4

Realizar clasificación

segmentos <- kmeans(df,grupos)

Revisar asignación de grupos

asignación <- cbind(df,cluster=segmentos$cluster)

Graficar resultados

library (ggplot2)
library(factoextra)

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

fviz_cluster(segmentos,data=df,palette=c("red","blue","darkgreen","yellow"),
             ellipse.type="euclid",
             star.plot= T,
             repel=T,
             ggtheme=theme())

#6.Optimizar cantidad de grupos
library (cluster)
library (data.table)

## 
## Attaching package: 'data.table'

## The following objects are masked from 'package:dplyr':
## 
##     between, first, last

set.seed (123)
optimización <- clusGap(df,FUN=kmeans, nstart=1, K.max=10)
plot(optimización, xlab="Número de clusters k")

Perfilado de segmentos

1.Instalar Paquetes

library(readr)
library("dplyr")
library(cluster)

rm(list = ls())
getwd()

## [1] "/Users/oscarcamilo/Documents/Tec MTY/ANALÍTICA PARA NEGOCIOS/RETO/ENCUESTAS"

2.Cargar el conjunto de datos

# 1. Cargar el conjunto de datos
datos <- read.csv("/Users/oscarcamilo/Documents/Tec MTY/ANALÍTICA PARA NEGOCIOS/RETO/ENCUESTAS/EncuestasForm_BaseLimpia.csv")

3.Seleccionar solo las variables numéricas

datos_numericos <- datos[sapply(datos, is.numeric)]
# View(datos_numericos)

4.Escalar las variables numéricas

datos_escalados <- scale(datos_numericos)
# View(datos_escalados)

5.Calcular las medianas de las variables numéricas escaladas

media <- apply(datos_escalados, 2, mean)
# View(media)

set.seed(123) # Para reproducibilidad

6.clusters que deseas

k <- 3 # Cambia este valor por el número de clusters que deseas
indices_centroides_iniciales <- sample(1:nrow(datos_escalados), k)
centroides_iniciales <- datos_escalados[indices_centroides_iniciales, ]

6.clusters que deseas

# Ejecutar k-means con los centroides iniciales
resultado_kmeans <- kmeans(datos_escalados, centers = centroides_iniciales)

print(resultado_kmeans)

## K-means clustering with 3 clusters of sizes 65, 16, 25
## 
## Cluster means:
##    Antiguedad    Salario Prestaciones Jornada_Laboral Herramientas Temperatura
## 1  0.04581365  0.3626082    0.4480907       0.4960589    0.4534784  0.08958709
## 2 -0.25138960 -1.2012483   -0.9008792      -0.1771124   -1.4441653  0.14653768
## 3  0.04177386 -0.1739824   -0.5884731      -1.1764012   -0.2547780 -0.32671056
##       Estrés Transporte Instalaciones    Rotación Dependientes
## 1  0.1524490  0.3710519     0.3370262  0.36734886  0.006750785
## 2 -0.9779247 -0.2133885    -1.1244849 -1.39741185  0.207570080
## 3  0.2295043 -0.8281663    -0.1565978 -0.06076345 -0.150396891
## 
## Clustering vector:
##   [1] 1 1 2 1 3 1 3 1 3 1 3 1 1 1 1 1 1 1 2 2 1 3 3 3 1 3 1 3 1 1 1 2 2 1 1 3 2
##  [38] 2 2 1 1 1 3 1 1 1 2 1 2 1 3 1 1 1 1 2 1 1 1 1 1 3 1 1 3 3 3 1 3 2 1 1 1 3
##  [75] 2 2 2 3 2 1 1 1 1 3 1 1 1 1 1 1 1 1 1 1 3 3 3 3 1 1 1 1 3 1 1 1
## 
## Within cluster sum of squares by cluster:
## [1] 432.3773 186.5323 250.2797
##  (between_SS / total_SS =  24.7 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

7.Ajustar el modelo k-means para diferentes valores de k

set.seed(123) # Para reproducibilidad
wcss <- vector() # Inicializar vector para almacenar los valores de WCSS
max_k <- 10 # Puedes cambiar esto para probar con más clústeres si lo deseas
for (k in 1:max_k) {
  kmeans_model <- kmeans(datos_escalados, centers = k, nstart = 25)
  wcss[k] <- kmeans_model$tot.withinss
}

8.Gráficar el método de codo

par(mar = c(4, 4, 1, 1)) # Los números representan los márgenes inferior, izquierdo, superior y derecho respectivamente.
plot(1:max_k, wcss, type = "b", xlab = "Numero de Clusters", ylab = "WCSS", main = "Metodo del Codo", pch = 19, frame = FALSE)

# Establecer una semilla para la reproducibilidad
set.seed(178)

9.Realizar K-means con 4 clusters

kmeans_result <- kmeans(datos_escalados, centers = 4)
kmeans_result$centers

##   Antiguedad    Salario Prestaciones Jornada_Laboral Herramientas Temperatura
## 1 -0.1185418 -0.1440439   -0.3823495       0.1268462   -0.7164270 -0.09444148
## 2 -0.6944592  0.4815947    0.3192635       0.4023294    0.5718499 -0.17543788
## 3  1.3192318  0.2800853    0.6557833       0.2367746    0.6129511  0.46106872
## 4 -0.0896727 -1.2168413   -1.0350742      -1.3635885   -1.0612389 -0.10347417
##         Estrés Transporte Instalaciones   Rotación Dependientes
## 1 -0.915317228  0.4444735    -0.1565978 -0.1545633   0.03200666
## 2  0.596434303 -0.1252232     0.4587532  0.1709303  -0.14759068
## 3 -0.009000169  0.3251635     0.3249584  0.6218913   0.22657045
## 4 -0.009000169 -0.7795586    -1.2097463 -0.9848660  -0.02676782

10.Añadir la columna de clusters al dataframe original

datos1 <- datos
datos1$Cluster <- kmeans_result$cluster

11.Tabla de contingencia

contingency <- table(datos1$Cluster, datos$Genero)

# Convertir la tabla de contingencia a porcentajes
contingency <- prop.table(contingency, margin = 1) * 100

# Mostrar la tabla de contingencia
print(contingency)

##    
##     Femenino Masculino
##   1 64.00000  36.00000
##   2 71.79487  28.20513
##   3 62.50000  37.50000
##   4 55.55556  44.44444

12.Tabla de contingencia

contingency <- table(datos1$Cluster, datos$Escolaridad)

# Convertir la tabla de contingencia a porcentajes
contingency <- prop.table(contingency, margin = 1) * 100

# Mostrar la tabla de contingencia
print(contingency)

##    
##     Licenciatura      Otro Preparatoria  Primaria Secundaria
##   1    28.000000  4.000000    20.000000  4.000000  44.000000
##   2    23.076923  0.000000    25.641026  7.692308  43.589744
##   3    25.000000  8.333333    16.666667 12.500000  37.500000
##   4    11.111111  0.000000    44.444444 11.111111  33.333333

13.Tabla de contingencia

contingency <- table(datos1$Cluster, datos$Municipio)

# Convertir la tabla de contingencia a porcentajes
contingency <- prop.table(contingency, margin = 1) * 100

# Mostrar la tabla de contingencia
print(contingency)

##    
##       Apodaca Guadalupe    Juárez Monterrey      Otro Pesquería
##   1 92.000000  4.000000  4.000000  0.000000  0.000000  0.000000
##   2 69.230769  2.564103 17.948718  2.564103  2.564103  5.128205
##   3 62.500000  8.333333  4.166667  8.333333 12.500000  4.166667
##   4 66.666667  0.000000 16.666667  0.000000 11.111111  5.555556

14.Tabla de contingencia

contingency <- table(datos1$Cluster, datos$Estado.Civil)

# Convertir la tabla de contingencia a porcentajes
contingency <- prop.table(contingency, margin = 1) * 100

# Mostrar la tabla de contingencia
print(contingency)

##    
##        Casado Divorciado   Soltero Unión libre
##   1 28.000000   0.000000 56.000000   16.000000
##   2 23.076923   2.564103 48.717949   25.641026
##   3 45.833333   0.000000 33.333333   20.833333
##   4 61.111111   0.000000 33.333333    5.555556

15.Tabla de contingencia

contingency <- table(datos1$Cluster, datos$Puesto)

# Convertir la tabla de contingencia a porcentajes
contingency <- prop.table(contingency, margin = 1) * 100

# Mostrar la tabla de contingencia
print(contingency)

##    
##     Administrativo Ayudante general Costurera  Limpieza Mantenimiento      Otro
##   1      24.000000        28.000000 12.000000  0.000000      0.000000 28.000000
##   2      12.820513        71.794872  0.000000  0.000000      0.000000 15.384615
##   3      16.666667        12.500000 12.500000  4.166667      0.000000 33.333333
##   4      11.111111        44.444444  5.555556  5.555556      5.555556 22.222222
##    
##      Soldador Supervisor
##   1  4.000000   4.000000
##   2  0.000000   0.000000
##   3  0.000000  20.833333
##   4  5.555556   0.000000

Árbol de decisiones

Librerías y base de datos

library(dplyr)
library(readr)
library(readr)
library(rpart)
library(rpart.plot)

bd <- read_csv("/Users/oscarcamilo/Documents/Tec MTY/ANALÍTICA PARA NEGOCIOS/RETO/ENCUESTAS/EncuestasForm_BaseLimpia.csv")

## Rows: 106 Columns: 22
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (11): Puesto, puesto_otro, Motivación, Conflicto/Acoso, Satisfacción en ...
## dbl (11): Antiguedad, Salario, Prestaciones, Jornada_Laboral, Herramientas, ...
## 
## 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.

# View(bd)

Entender base de datos

summary(bd)

##     Puesto          puesto_otro          Antiguedad     Motivación       
##  Length:106         Length:106         Min.   : 1.00   Length:106        
##  Class :character   Class :character   1st Qu.: 1.00   Class :character  
##  Mode  :character   Mode  :character   Median : 9.00   Mode  :character  
##                                        Mean   :14.08                     
##                                        3rd Qu.:34.50                     
##                                        Max.   :36.00                     
##     Salario       Prestaciones   Jornada_Laboral  Herramientas  
##  Min.   :1.000   Min.   :1.000   Min.   :1.00    Min.   :1.000  
##  1st Qu.:3.000   1st Qu.:2.000   1st Qu.:4.00    1st Qu.:3.000  
##  Median :4.000   Median :4.000   Median :5.00    Median :5.000  
##  Mean   :3.792   Mean   :3.274   Mean   :4.16    Mean   :3.877  
##  3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:5.00    3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.00    Max.   :5.000  
##   Temperatura        Estrés        Transporte    Instalaciones  
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:1.000   1st Qu.:3.000   1st Qu.:4.000   1st Qu.:4.000  
##  Median :3.000   Median :4.000   Median :5.000   Median :5.000  
##  Mean   :3.123   Mean   :3.679   Mean   :4.009   Mean   :4.311  
##  3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##     Rotación     Conflicto/Acoso    Satisfacción en el trabajo
##  Min.   :1.000   Length:106         Length:106                
##  1st Qu.:3.000   Class :character   Class :character          
##  Median :5.000   Mode  :character   Mode  :character          
##  Mean   :4.038                                                
##  3rd Qu.:5.000                                                
##  Max.   :5.000                                                
##    Emoción              Edad              Genero          Estado Civil      
##  Length:106         Length:106         Length:106         Length:106        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##   Municipio         Escolaridad         Dependientes  
##  Length:106         Length:106         Min.   :0.000  
##  Class :character   Class :character   1st Qu.:0.000  
##  Mode  :character   Mode  :character   Median :1.000  
##                                        Mean   :1.085  
##                                        3rd Qu.:2.000  
##                                        Max.   :3.000

Limpiar base de datos

# Extraer las variables de interés
db <- bd[,c("Genero", "Estado Civil", "Edad", "Rotación", "Estrés", "Motivación", "Salario", "Prestaciones", "Puesto", "Temperatura", "Instalaciones")]

# ¿Cuántos NA tengo por variable?
sapply(db, function(x) sum(is.na(x)))

##        Genero  Estado Civil          Edad      Rotación        Estrés 
##             0             0             0             0             0 
##    Motivación       Salario  Prestaciones        Puesto   Temperatura 
##             0             0             0             0             0 
## Instalaciones 
##             0

# Eliminar NA
db <- na.omit(db)

# Reducir db
#db2 <- db %>% sample_frac(0.2)

# Convertir las variables categóricas en factores
db$Genero <- as.factor(db$Genero)
db$`Estado Civil` <- as.factor(db$`Estado Civil`)
db$Motivación <- as.factor(db$Motivación)
db$Puesto <- as.factor(db$Puesto)

str(db)

## tibble [106 × 11] (S3: tbl_df/tbl/data.frame)
##  $ Genero       : Factor w/ 2 levels "Femenino","Masculino": 1 1 1 1 1 1 1 2 1 1 ...
##  $ Estado Civil : Factor w/ 4 levels "Casado","Divorciado",..: 4 1 3 1 3 4 1 3 3 4 ...
##  $ Edad         : chr [1:106] "30" "54" "21" "20" ...
##  $ Rotación     : num [1:106] 4 5 1 4 3 5 3 5 5 5 ...
##  $ Estrés       : num [1:106] 5 2 1 5 3 4 5 4 4 5 ...
##  $ Motivación   : Factor w/ 6 levels "Ambiente de trabajo",..: 3 2 6 6 6 5 6 5 3 3 ...
##  $ Salario      : num [1:106] 5 4 2 5 3 4 2 5 4 5 ...
##  $ Prestaciones : num [1:106] 4 4 1 4 1 5 3 4 1 4 ...
##  $ Puesto       : Factor w/ 8 levels "Administrativo",..: 1 3 2 2 2 2 2 1 3 2 ...
##  $ Temperatura  : num [1:106] 2 3 3 4 4 2 2 4 5 1 ...
##  $ Instalaciones: num [1:106] 5 4 4 5 5 4 4 5 5 5 ...

Árbol de decisiones

arbol <- rpart(formula = Rotación ~ ., data=db)
arbol

## n= 106 
## 
## node), split, n, deviance, yval
##       * denotes terminal node
## 
##  1) root 106 171.849100 4.037736  
##    2) Edad=18,20,21,22,24,26,27,28,35,38,40,43,55 45  89.911110 3.155556  
##      4) Temperatura>=1.5 31  64.838710 2.806452  
##        8) Motivación=Ambiente de trabajo,Otro,Ubicación de la empresa 21  32.666670 2.333333  
##         16) Edad=21,22,26,38,43 9   4.000000 1.333333 *
##         17) Edad=20,24,27,28,35,40,55 12  12.916670 3.083333 *
##        9) Motivación=Por el salario,Razones personales 10  17.600000 3.800000 *
##      5) Temperatura< 1.5 14  12.928570 3.928571 *
##    3) Edad=23,25,29,30,30 años,31,33,34,36,37,39,41,42,44,45,46,47,48,49,50,51,53,54,56,58,61,68 61  21.081970 4.688525  
##      6) Edad=25,30,37,41,46,53 17  10.470590 4.176471 *
##      7) Edad=23,29,30 años,31,33,34,36,39,42,44,45,47,48,49,50,51,54,56,58,61,68 44   4.431818 4.886364 *

rpart.plot(arbol)

arbol <- rpart(formula = Rotación ~ ., data=db)
arbol

## n= 106 
## 
## node), split, n, deviance, yval
##       * denotes terminal node
## 
##  1) root 106 171.849100 4.037736  
##    2) Edad=18,20,21,22,24,26,27,28,35,38,40,43,55 45  89.911110 3.155556  
##      4) Temperatura>=1.5 31  64.838710 2.806452  
##        8) Motivación=Ambiente de trabajo,Otro,Ubicación de la empresa 21  32.666670 2.333333  
##         16) Edad=21,22,26,38,43 9   4.000000 1.333333 *
##         17) Edad=20,24,27,28,35,40,55 12  12.916670 3.083333 *
##        9) Motivación=Por el salario,Razones personales 10  17.600000 3.800000 *
##      5) Temperatura< 1.5 14  12.928570 3.928571 *
##    3) Edad=23,25,29,30,30 años,31,33,34,36,37,39,41,42,44,45,46,47,48,49,50,51,53,54,56,58,61,68 61  21.081970 4.688525  
##      6) Edad=25,30,37,41,46,53 17  10.470590 4.176471 *
##      7) Edad=23,29,30 años,31,33,34,36,39,42,44,45,47,48,49,50,51,54,56,58,61,68 44   4.431818 4.886364 *

rpart.plot(
  arbol,
  fallen.leaves = TRUE,
  type = 2,
  extra = 100,
  under = TRUE
  )

Analisis de encuestas FORM

IMAGO

2023-10-17

Limpieza base de datos

Análisis de datos exploratorio

Tablas frecuencias - escala de satisfacción

Tabla frecuencias - variables categoricas

Power BI y explicación

Regresión Lineal Multiple

Clusters

Crear base de datos con la base limpia

Limpieza extra de base de datos para poder correr un cluster

Determinar el número de grupos

Realizar clasificación

Revisar asignación de grupos

Graficar resultados

Perfilado de segmentos

1.Instalar Paquetes

2.Cargar el conjunto de datos

3.Seleccionar solo las variables numéricas

4.Escalar las variables numéricas

5.Calcular las medianas de las variables numéricas escaladas

6.clusters que deseas

6.clusters que deseas

7.Ajustar el modelo k-means para diferentes valores de k

8.Gráficar el método de codo

9.Realizar K-means con 4 clusters

10.Añadir la columna de clusters al dataframe original

11.Tabla de contingencia

12.Tabla de contingencia

13.Tabla de contingencia

14.Tabla de contingencia

15.Tabla de contingencia

Árbol de decisiones

Librerías y base de datos

Entender base de datos

Limpiar base de datos

Árbol de decisiones