Introducción

La rotación de empleados representa un desafío crucial para la productividad y cultura de las empresas. Con el objetivo de entender y anticipar los factores que influyen en esta movilidad de funcionarios, se ha recopilado difentes datos sobre antigüedad, satisfacción laboral, salario, edad y otros elementos relevantes. El objetivo de este informe gerencial es conocer como el estado civil, la educación, los viajes de negocios, la edad, distancia a casa y ** la antigüedad se relacionan con la probabilidad de que un empleado cambie de cargo en el próximo período. A partir de estos hallazgos, la empresa podrá implementar estrategias efectivas para retener talento clave, mejorar la gestión de recursos humanos y crear un ambiente laboral más estable, promoviendo así un equipo comprometido y satisfecho.

##  [1] "X"                           "Rotación"                   
##  [3] "Edad"                        "Viaje.de.Negocios"          
##  [5] "Departamento"                "Distancia_Casa"             
##  [7] "Educación"                   "Campo_Educación"            
##  [9] "Satisfacción_Ambiental"      "Genero"                     
## [11] "Cargo"                       "Satisfación_Laboral"        
## [13] "Estado_Civil"                "Ingreso_Mensual"            
## [15] "Trabajos_Anteriores"         "Horas_Extra"                
## [17] "Porcentaje_aumento_salarial" "Rendimiento_Laboral"        
## [19] "Años_Experiencia"            "Capacitaciones"             
## [21] "Equilibrio_Trabajo_Vida"     "Antigüedad"                 
## [23] "Antigüedad_Cargo"            "Años_ultima_promoción"      
## [25] "Años_acargo_con_mismo_jefe"

#1. Hipotesis

Una vez seleccionadas las variables a analizar y para identificar como se relacionan con la rotación del personal y su posible hipotesis.

Tabla de Empleados
Tipo Variable_Analizar Relacion Hipotesis
Categórica Viaje de Negocios En algunos casos los viajes de negocios pueden tardar bastante tiempo o pueden impactar la vida personal de los empleados, ya que, estos pueden realizarse en fechas especiales. Esto puede verse reflejado en el compromiso que tienen los profesionales al trabajar, impactando de forma directa sus resultados. Los empleados que realizan viajes de manera continua presentan una mayor rotación en su trabajo.
Categórica Estado Civil Las personas solteras normalmente no cuenta con la mismas responsabilidades comparado con las que se encuentran casadas o compromeditas, lo que quiere decir que pueden tener mayor rotación en el ambito laboral, ya que tienden a buscar mejores oportunidades o salarios, sin compromiso alguno. Las personas solteras presentan mayor problebilidad de rotación laboral.
Categórica Educación Se brinda mayor oportunidad laboral a las personas que han realizado más estudios o de acuerdo al sector que se especialicen o trabajen, se conseguir trabajo de vuelve más tedioso. Es el sector educativo un facot que genera mayor rotación en las empresas.
Cuantitativa Distancia a Casa Los empleados que realizan trayectos muy largos al momento de dirigirse a su trabajo afecta su vida personal y tiempos de desplazamiento. Son las personas con mayor distancia a su tabajo, quienes mayor rotación tienen.
Cuantitativa Antigüedad Las personas que presetan varios años de antigüedad en una empresa por agradecimiento y reconocimiento a todo lo que han logrado en su camino laboral tienden a buscar la estabilidad laboral. Las personas con mayor antigüedad en una empresa, son las que menor rotación presentan.
Cuantitativa Edad Actualmente, las personas jovenes tienden a estar en constante cambio en diferentes aspectos de su vida, incluyendo a nivel laboral. Son las personas jovenes quienes mayor rotación tienen en una empresa

#2. Análisis Univariado

A continuación se presenta un análisis de como se comportan cada una de las variables menciondas anteriormente.

- Variables Categoricas

## Loading required package: ggplot2
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout

Análisis. De acuerdo con los datos recolectados la mayoría de profesionales se encuentra en el sector de las ciencias, seguido por el sector salud. Adicionalmente, la mayoría de ellos se encuentra casado y viajan de manera exporadica por temas laborales.

Variables Cuantitativas

##  Distancia_Casa   Antigüedad_Cargo      Edad      
##  Min.   : 1.000   Min.   : 0.000   Min.   :18.00  
##  1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.:30.00  
##  Median : 7.000   Median : 3.000   Median :36.00  
##  Mean   : 9.193   Mean   : 4.229   Mean   :36.92  
##  3rd Qu.:14.000   3rd Qu.: 7.000   3rd Qu.:43.00  
##  Max.   :29.000   Max.   :18.000   Max.   :60.00

Análisis. Aunque la unidad en la que se esta midiendo la distancia no es clara, se observa que los empleados viven entre 1 a 29 Km (asumiendo que sea la unidad de medida) la distancia promedio entre sus viviendas a el lugar de trabajo es de 9,193 Km. Por otro lado, la edad minima de los profesional es es de 18 años y la maxima es de 60 años, el promedio de edad es de 37 años y el rango de edad que presenta mayor cantidad de personas laborando es entre los 30 a 40 años.

Por otro lado, se encuentra que la empresa cuenta con funcionarios con 0 a 18 años de antigüedad, el promedio del mismo es de 4 años realizando la misma labor o laborando en la misma empresa, pero la mayoría de ellos tienen una antiguedad entre los 0 a 2 años.

#3. Análisis Bivariado

Realizar un análisis de bivariado en donde la variable respuesta sea la rotación codificada de la siguiente manera (y=1 es si rotación, y=0 es no rotación), con base en estos resultados identifique cuales son las variables determinantes de la rotación e interpretar el signo del coeficiente estimado. Compare estos resultados con la hipotesis planteada en el punto 2.

Variables Categoricas Variables Cuantitativas

Aunque las personas donde la distancia de su vivienda al lugar de trabajo es superior, podemos concluir que los bigotes entre los dos grupos son parecidos asumiendo que los dos grupos de analisis tienen comportamientos similares.

Por otro lado, la edad no es una variable concluyente respecto a la rotación de personal puesto que el volumen del cuartil asociado al No es superior a los profesionales que si realizarón una rotación.

De acuerdo con la imagen anterior observamos la mediana de la cantidad de viajes que realizan las personas que No rotan es menor a quienes si lo hacen.

#3. Estimación del Modelo

## 
## Call:
## glm(formula = as.numeric(as.factor(Rotación)) - 1 ~ Educación + 
##     Viaje.de.Negocios + Estado_Civil + Antigüedad + Edad + Distancia_Casa, 
##     family = "binomial", data = modelo_rotacion)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -1.2605  -0.6247  -0.4679  -0.3130   3.0171  
## 
## Coefficients:
##                              Estimate Std. Error z value Pr(>|z|)    
## (Intercept)                -0.0009248  0.3893920  -0.002 0.998105    
## Educación                   0.0188678  0.0742647   0.254 0.799448    
## Viaje.de.NegociosNo_Viaja  -1.4269604  0.3419858  -4.173 3.01e-05 ***
## Viaje.de.NegociosRaramente -0.6590113  0.1716190  -3.840 0.000123 ***
## Estado_CivilDivorciado     -0.2344869  0.2222091  -1.055 0.291309    
## Estado_CivilSoltero         0.7888081  0.1639156   4.812 1.49e-06 ***
## Antigüedad                 -0.0627829  0.0169546  -3.703 0.000213 ***
## Edad                       -0.0370854  0.0092594  -4.005 6.20e-05 ***
## Distancia_Casa              0.0310046  0.0087943   3.526 0.000423 ***
## ---
## 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: 1174.5  on 1461  degrees of freedom
## AIC: 1192.5
## 
## Number of Fisher Scoring iterations: 5
Detalle de Variables
Valor_p Coeficiente Odds_Ratio
(Intercept) 0.9981051 -0.0009248 0.9990757
Educación 0.7994478 0.0188678 1.0190469
Viaje.de.NegociosNo_Viaja 0.0000301 -1.4269604 0.2400374
Viaje.de.NegociosRaramente 0.0001231 -0.6590113 0.5173626
Estado_CivilDivorciado 0.2913094 -0.2344869 0.7909766
Estado_CivilSoltero 0.0000015 0.7888081 2.2007718
Antigüedad 0.0002131 -0.0627829 0.9391473
Edad 0.0000620 -0.0370854 0.9635939
Distancia_Casa 0.0004226 0.0310046 1.0314903

Basados en el resultado obtenido por lo Coeficientes, se observa que las únicas variables que influyen de manera positiva en la rotación de los funcionarios son las Educación, la distancia a casa y si se encuentra en estado civil es Soltero. Esto quiere decir que a mayor sea la distancia exista entre el lugar que vive y la cantidad de horas extras que debe realizar, el funcionario tiende a rotar.

Mientras que las variables restantes influyen de manera negativa, lo cual se puede interpretar que a mayor su edad, ingresos y/o viajes, la persona tiende a rotar menos que los casos anteriores.

Por otro lado, se realiza un analisis de la probabilidad que ocurra estos eventos (odds).

Para la realizar una evaluación del modelo y construir la curva ROC y AUC, se dividen los datos originales en una proporción 70-30, donde el 70% hace referencia a los datos que se usaran para el entrenamiento del modelo y el 30% restante se usará para las pruebas del mismo.

#5. Curva ROC - AUC

## Type 'citation("pROC")' for a citation.
## 
## Attaching package: 'pROC'
## The following objects are masked from 'package:stats':
## 
##     cov, smooth, var
## Setting levels: control = 0, case = 1
## Setting direction: controls < cases
## 
## Call:
## roc.default(response = resultado$Rotación, predictor = predicciones,     auc = T, ci = T)
## 
## Data: predicciones in 367 controls (resultado$Rotación 0) < 74 cases (resultado$Rotación 1).
## Area under the curve: 0.6891
## 95% CI: 0.6158-0.7623 (DeLong)
## Area under the curve: 0.6891

Con el resultado obtenido por la grafica ROC y AUC se asume que el modelo puede predecir la rotación de los empleados, teniendo en cuenta que el valor de AUC es superior a 0.5 y ROC proximo a 0.1.

6. Predecir

A partir de la información original, se selecciona un caso hipotetico con las siguientes caracteristicas. Con el fin, de evaluar si el profesional rotaría o no y así tomar una decisión de selección y reducir la probabilidad de que los funcionarios de la empresa roten.

Estado Civil: Soltero Distancia Casa: 5 Viaje de Negocios: Frecuentemente Edad: 30 Educación: Ciencias Antigüedad: 2

##         1 
## 0.4452828
##         1 
## 0.2672624

La probabilidad de rotación de un perfil con las caracteristicas mencionadas en del 26.72%.

#7. Conclusiones

Para reducir la rotación del personal en la empresa, es fundamental considerar la diversidad de roles existentes dentro de la organización. Esto permitirá aprovechar al máximo las capacidades de cada empleado, facilitando la capacitación del nuevo personal y mejorando las condiciones laborales. Además, se pueden reasignar algunas actividades en función de la antigüedad de los funcionarios, lo que contribuirá a un ambiente de trabajo más dinámico y colaborativo.

Asimismo, aunque el estado civil y la distancia de residencia no son factores determinantes en la selección del personal, es importante tenerlos en cuenta para realizar un seguimiento efectivo del desempeño laboral. Esto permitirá equilibrar los tiempos de ejecución de actividades entre compañeros, favoreciendo un balance entre la vida personal y profesional. Por último, aunque la frecuencia de los viajes no influye directamente en la rotación, optimizar las actividades relacionadas con los mismos puede resultar en viajes más eficientes y estratégicos, ampliando el alcance de la empresa y promoviendo una vida laboral más estable para los empleados.