Informe 2
2025-04-03
Samuel Suarez, Sebastian Barbosa, Samuel Rodriguez
1 Introducción al Problema
En el ámbito de People Analytics, la rotación de personal representa un desafío crítico para las organizaciones. Este fenómeno no solo implica costos directos asociados a la contratación y capacitación de nuevos empleados, sino también pérdida de conocimiento organizacional y disminución en la moral del equipo.
El presente análisis busca identificar los factores que influyen en la rotación dentro de una organización, utilizando técnicas analíticas para predecir riesgos y proponer estrategias de retención efectivas. Este enfoque permite a la empresa actuar de manera proactiva, optimizando sus recursos humanos y mejorando su competitividad en el mercado.
2 Descripción de Datos y Variables Seleccionadas
El conjunto de datos analizado contiene información sobre 628 empleados, con una tasa de rotación del 8.3%. Se seleccionaron variables clave basadas en su potencial relación teórica con la rotación:
2.1 Variables categóricas:
- Horas Extra: Se hipotetizó que los empleados que trabajan horas extras tendrían mayor rotación debido al estrés acumulado.
- Departamento: Se esperaba que departamentos con mayor presión (como Ventas) mostraran mayor rotación.
- Cargo: Se planteó que posiciones intermedias con alta responsabilidad pero baja compensación tendrían mayor rotación.
2.2 Variables cuantitativas:
- Años con el mismo jefe: Se hipotetizó que relaciones prolongadas sin crecimiento aumentarían la rotación.
- Ingreso Mensual: Se esperaba que salarios bajos correlacionaran con mayor rotación.
- Rendimiento Laboral: Se planteó una relación en forma de U, donde tanto bajo como alto rendimiento aumentarían la rotación.
3 Exploración de Datos
3.1 Análisis Univariado
- Horas Extra: 38.7% de empleados realizan horas extras.
- Departamento: 83.6% pertenece a IyD, 15.3% a Ventas y solo 1.1% a RH.
- Cargos: Técnicos de Laboratorio (41.6%) e Investigadores Científicos (34.4%) son los más comunes.
- Años con mismo jefe: Mediana de 3 años, sugiriendo que la mitad de los empleados llevan 3 años o menos con su jefe actual.
- Ingresos: Distribución desigual con mediana en $4,559, indicando disparidades salariales.
3.2 Análisis Bivariado
- Horas Extra: No mostró relación significativa con rotación (7.8% vs 8.6%).
- Departamento: RH mostró mayor rotación (28.6%) pero con muestra pequeña (7 casos).
- Cargo: Representantes de Ventas tuvieron mayor rotación (20.8%).
- Años con jefe: Empleados que rotaron tenían menos años con su jefe (media 3.12 vs 3.89).
- Ingresos: Rotación significativamente mayor en empleados con menores ingresos (mediana $3,394 vs $4,680).
4 Análisis de Datos con R
4.1 Carga de Librerías y Datos
library(readxl)
library(ggplot2)
library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(tidyr)
library(knitr)
datos <- read_excel("variables.xlsx")## New names:
## • `` -> `...4`
## • `` -> `...6`4.2 Análisis Univariado
4.2.1 Variables Cualitativas
4.2.1.1 Horas Extras
horas_extras <- datos %>%
count(`Horas extras`) %>%
mutate(porcentaje = n/sum(n)*100)
ggplot(horas_extras, aes(x = `Horas extras`, y = n, fill = `Horas extras`)) +
geom_bar(stat = "identity") +
geom_text(aes(label = paste0(round(porcentaje, 1), "%")), vjust = -0.5) +
labs(title = "Distribución de Horas Extras",
x = "Horas Extras", y = "Frecuencia") +
theme_minimal()
4.2.1.2 Departamento
departamento <- datos %>%
count(Departamento) %>%
mutate(porcentaje = n/sum(n)*100) %>%
arrange(desc(n))
ggplot(departamento, aes(x = reorder(Departamento, -n), y = n, fill = Departamento)) +
geom_bar(stat = "identity") +
geom_text(aes(label = paste0(round(porcentaje, 1), "%")), vjust = -0.5) +
labs(title = "Distribución por Departamento",
x = "Departamento", y = "Frecuencia") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
4.3 Análisis Bivariado
4.3.1 Horas Extras vs. Rotación
tabla_horas_rotacion <- table(datos$`Horas extras`, datos$Rotación)
kable(tabla_horas_rotacion, caption = "Tabla de contingencia: Horas Extras vs. Rotación")| No | Si | |
|---|---|---|
| No | 944 | 110 |
| Si | 289 | 127 |
ggplot(datos, aes(x = `Horas extras`, fill = Rotación)) +
geom_bar(position = "fill") +
labs(title = "Proporción de Rotación por Horas Extras",
x = "Horas Extras", y = "Proporción") +
scale_y_continuous(labels = scales::percent) +
theme_minimal()
5 MODELO DE PREDICCIÓN DE ROTACIÓN
# Cargar librerías necesarias
library(readxl)
library(caret)## Cargando paquete requerido: latticelibrary(ggplot2)
library(pROC)## Type 'citation("pROC")' for a citation.##
## Adjuntando el paquete: 'pROC'## The following objects are masked from 'package:stats':
##
## cov, smooth, varlibrary(dplyr)
# 1. Cargar y preparar los datos
datos <- read_excel("variables.xlsx")## New names:
## • `` -> `...4`
## • `` -> `...6`# Limpiar nombres de columnas (opcional)
colnames(datos) <- make.names(colnames(datos))
# Ver estructura de los datos
str(datos)## tibble [1,470 × 9] (S3: tbl_df/tbl/data.frame)
## $ Horas.extras : chr [1:1470] "Si" "No" "Si" "Si" ...
## $ Departamento : chr [1:1470] "Ventas" "IyD" "IyD" "IyD" ...
## $ Cargo : chr [1:1470] "Ejecutivo_Ventas" "Investigador_Cientifico" "Tecnico_Laboratorio" "Investigador_Cientifico" ...
## $ ...4 : logi [1:1470] NA NA NA NA NA NA ...
## $ Rotación : chr [1:1470] "Si" "No" "Si" "No" ...
## $ ...6 : logi [1:1470] NA NA NA NA NA NA ...
## $ Años.con.el.mismo.jefe: num [1:1470] 5 7 0 0 2 6 0 0 8 7 ...
## $ Rendimiento.laboral : num [1:1470] 3 4 3 3 3 3 4 4 4 3 ...
## $ Ingreso.mensual : num [1:1470] 5993 5130 2090 2909 3468 ...6 Preprocesamiento
# Seleccionar variables relevantes
datos_modelo <- datos %>%
select(Rotación, Departamento, Cargo, Ingreso.mensual, Años.con.el.mismo.jefe)
# Renombrar columnas para mayor claridad
colnames(datos_modelo) <- c("Rotacion", "Departamento", "Cargo", "Ingreso_Mensual", "Anios_con_mismo_jefe")
# Convertir Rotación a factor (Si/No)
datos_modelo$Rotacion <- factor(datos_modelo$Rotacion, levels = c("Si", "No"))
# Convertir variables categóricas a factores
datos_modelo$Departamento <- as.factor(datos_modelo$Departamento)
datos_modelo$Cargo <- as.factor(datos_modelo$Cargo)
# Verificar valores faltantes
datos_modelo <- na.omit(datos_modelo)7 Dividir los datos en entrenamiento (70%) y prueba (30%)
set.seed(123) # Para reproducibilidad
indices_entrenamiento <- createDataPartition(datos_modelo$Rotacion, p = 0.7, list = FALSE)
datos_entrenamiento <- datos_modelo[indices_entrenamiento, ]
datos_prueba <- datos_modelo[-indices_entrenamiento, ]8 Preparar el preprocesamiento (one-hot encoding y escalado)
preprocesamiento <- preProcess(datos_entrenamiento,
method = c("center", "scale", "nzv", "medianImpute"))
# Aplicar preprocesamiento a ambos conjuntos
datos_entrenamiento_proc <- predict(preprocesamiento, datos_entrenamiento)
datos_prueba_proc <- predict(preprocesamiento, datos_prueba)9 Entrenar el modelo de regresión logística
modelo <- train(
Rotacion ~ .,
data = datos_entrenamiento_proc,
method = "glm",
family = "binomial",
trControl = trainControl(method = "cv", number = 5)
)
# Ver resumen del modelo
summary(modelo)##
## Call:
## NULL
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 3.6973 0.8704 4.248 2.16e-05 ***
## DepartamentoRH 12.2140 510.7887 0.024 0.98092
## DepartamentoVentas -1.0297 1.2598 -0.817 0.41374
## CargoDirector_Manofactura -1.2298 0.9271 -1.326 0.18468
## CargoEjecutivo_Ventas -1.0222 1.5295 -0.668 0.50392
## CargoGerente 0.2166 1.2484 0.173 0.86228
## CargoInvestigador_Cientifico -2.1544 0.9819 -2.194 0.02822 *
## CargoRecursos_Humanos -14.6060 510.7898 -0.029 0.97719
## CargoRepresentante_Salud -1.1240 0.9242 -1.216 0.22389
## CargoRepresentante_Ventas -2.3251 1.6099 -1.444 0.14868
## CargoTecnico_Laboratorio -2.5122 0.9767 -2.572 0.01010 *
## Ingreso_Mensual -0.2338 0.2301 -1.016 0.30970
## Anios_con_mismo_jefe 0.3456 0.1097 3.150 0.00163 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 909.69 on 1029 degrees of freedom
## Residual deviance: 836.19 on 1017 degrees of freedom
## AIC: 862.19
##
## Number of Fisher Scoring iterations: 1410 Evaluar el modelo en datos de prueba
predicciones <- predict(modelo, newdata = datos_prueba_proc)
probabilidades <- predict(modelo, newdata = datos_prueba_proc, type = "prob")[, "Si"]
# Matriz de confusión
confusionMatrix(predicciones, datos_prueba_proc$Rotacion, positive = "Si")## Confusion Matrix and Statistics
##
## Reference
## Prediction Si No
## Si 0 0
## No 71 369
##
## Accuracy : 0.8386
## 95% CI : (0.8009, 0.8718)
## No Information Rate : 0.8386
## P-Value [Acc > NIR] : 0.5316
##
## Kappa : 0
##
## Mcnemar's Test P-Value : <2e-16
##
## Sensitivity : 0.0000
## Specificity : 1.0000
## Pos Pred Value : NaN
## Neg Pred Value : 0.8386
## Prevalence : 0.1614
## Detection Rate : 0.0000
## Detection Prevalence : 0.0000
## Balanced Accuracy : 0.5000
##
## 'Positive' Class : Si
## # Curva ROC y AUC
roc_curve <- roc(datos_prueba_proc$Rotacion, probabilidades)## Setting levels: control = Si, case = No## Setting direction: controls > casesplot(roc_curve, main = "Curva ROC")
auc(roc_curve)## Area under the curve: 0.710411 Ajustar umbral de corte para maximizar F1-score
umbrales <- seq(0.1, 0.9, by = 0.05)
metricas <- data.frame()
for (umbral in umbrales) {
preds <- ifelse(probabilidades > umbral, "Si", "No")
preds <- factor(preds, levels = c("Si", "No"))
cm <- confusionMatrix(preds, datos_prueba_proc$Rotacion, positive = "Si")
metricas <- rbind(metricas, data.frame(
Umbral = umbral,
Precision = cm$byClass["Precision"],
Recall = cm$byClass["Recall"],
F1 = cm$byClass["F1"]
))
}
# Graficar métricas por umbral
ggplot(metricas, aes(x = Umbral)) +
geom_line(aes(y = Precision, color = "Precisión")) +
geom_line(aes(y = Recall, color = "Recall")) +
geom_line(aes(y = F1, color = "F1-score")) +
labs(title = "Métricas por Umbral de Corte", y = "Valor") +
scale_color_manual(values = c("Precisión" = "blue", "Recall" = "red", "F1-score" = "green")) +
theme_minimal()## Warning: Removed 9 rows containing missing values or values outside the scale range
## (`geom_line()`).
## Removed 9 rows containing missing values or values outside the scale range
## (`geom_line()`).
# Seleccionar el umbral con mayor F1-score
mejor_umbral <- metricas$Umbral[which.max(metricas$F1)]
cat("Mejor umbral para maximizar F1-score:", mejor_umbral, "\n")## Mejor umbral para maximizar F1-score: 0.212 Evaluar con el mejor umbral
predicciones_finales <- ifelse(probabilidades > mejor_umbral, "Si", "No")
predicciones_finales <- factor(predicciones_finales, levels = c("Si", "No"))
# Matriz de confusión final
cm_final <- confusionMatrix(predicciones_finales, datos_prueba_proc$Rotacion, positive = "Si")
print(cm_final)## Confusion Matrix and Statistics
##
## Reference
## Prediction Si No
## Si 39 91
## No 32 278
##
## Accuracy : 0.7205
## 95% CI : (0.676, 0.7619)
## No Information Rate : 0.8386
## P-Value [Acc > NIR] : 1
##
## Kappa : 0.2266
##
## Mcnemar's Test P-Value : 1.698e-07
##
## Sensitivity : 0.54930
## Specificity : 0.75339
## Pos Pred Value : 0.30000
## Neg Pred Value : 0.89677
## Prevalence : 0.16136
## Detection Rate : 0.08864
## Detection Prevalence : 0.29545
## Balanced Accuracy : 0.65134
##
## 'Positive' Class : Si
## # 9. Importancia de variables
importancia <- varImp(modelo)
plot(importancia, main = "Importancia de Variables")
# 10. Simular escenarios de predicción
escenarios <- data.frame(
Departamento = factor(c("IyD", "Ventas", "RH"), levels = levels(datos_modelo$Departamento)),
Cargo = factor(c("Investigador_Cientifico", "Ejecutivo_Ventas", "Recursos_Humanos"),
levels = levels(datos_modelo$Cargo)),
Ingreso_Mensual = c(6000, 4000, 2500),
Anios_con_mismo_jefe = c(5, 2, 1)
)
# Aplicar preprocesamiento a los escenarios
escenarios_proc <- predict(preprocesamiento, escenarios)
# Predecir probabilidades
prob_escenarios <- predict(modelo, newdata = escenarios_proc, type = "prob")
# Mostrar resultados
resultados_escenarios <- cbind(escenarios, Prob_Rotacion = prob_escenarios$Si)
print(resultados_escenarios)## Departamento Cargo Ingreso_Mensual Anios_con_mismo_jefe
## 1 IyD Investigador_Cientifico 6000 5
## 2 Ventas Ejecutivo_Ventas 4000 2
## 3 RH Recursos_Humanos 2500 1
## Prob_Rotacion
## 1 0.1610743
## 2 0.1734398
## 3 0.231685313 Escenarios de Empleados con Riesgos de Rotación
13.1 Ejecutivo de Ventas con Alta Carga Laboral y Baja Compensación
- Perfil: Un empleado con 3 años en la empresa, alta carga de trabajo, salario por debajo del promedio de la industria y sin oportunidades claras de crecimiento.
- Riesgos: Estrés, agotamiento, desmotivación y atracción por ofertas laborales con mejores condiciones.
- Impacto: Alta probabilidad de renuncia y difícil reemplazo debido a la curva de aprendizaje del puesto.
13.2 Investigador Científico con Estancamiento Profesional
- Perfil: Trabaja en el área de I+D, tiene más de 5 años en la compañía con el mismo jefe, sin cambios significativos en su rol ni promociones.
- Riesgos: Falta de motivación, percepción de estancamiento y búsqueda de nuevos retos en otras empresas.
- Impacto: Pérdida de talento valioso y costos elevados en contratación y capacitación de un reemplazo.
13.3 Empleado de Recursos Humanos con Baja Satisfacción Salarial
- Perfil: Lleva 2 años en la empresa, maneja tareas operativas y estratégicas, pero su salario no es competitivo con el mercado.
- Riesgos: Insatisfacción laboral, disminución del compromiso y alta probabilidad de aceptar ofertas con mejor retribución.
- Impacto: Disrupción en procesos internos de contratación y retención de personal.
14 Beneficios de un Modelo Predictivo de Rotación
Un modelo predictivo de rotación permite a la empresa ser más eficiente en la gestión del talento al identificar empleados con alto riesgo de salida y aplicar estrategias de retención. Algunos beneficios clave incluyen:
- Reducción de Costos en Contratación: Al disminuir la rotación, se evitan gastos asociados con la selección, contratación y capacitación de nuevos empleados.
- Optimización del Clima Laboral: Al abordar factores de desmotivación antes de que generen renuncias, se mejora la moral y productividad del equipo.
- Planificación de Recursos Humanos: Permite anticipar necesidades de personal y desarrollar planes de sucesión para puestos críticos.
- Aumento de la Retención de Talento Clave: Al identificar patrones de rotación, se pueden implementar estrategias personalizadas como aumentos salariales, oportunidades de crecimiento y beneficios adicionales.
Implementar un modelo predictivo de rotación con IA proporciona una ventaja competitiva, asegurando una mejor administración del capital humano y mejorando la estabilidad organizacional.
15 Recomendaciones con IA Generativa
15.0.1 Prompt utilizado para generar recomendaciones:
“Basado en un análisis de rotación de personal donde los principales hallazgos son: 1) Representantes de Ventas tienen 20.8% de rotación, 2) RH tiene 28.6% de rotación pero con solo 7 casos, 3) Menores ingresos correlacionan con mayor rotación, 4) Menos años con mismo jefe se asocia a mayor rotación. Genera 5 recomendaciones estratégicas detalladas para reducir la rotación, considerando estos hallazgos y buenas prácticas en gestión de personas.”
15.0.2 Recomendaciones generadas:
- Programa de Retención para Representantes de Ventas: Implementar mentorías, establecer metas realistas y crear un plan de desarrollo profesional.
- Revisión Salarial Competitiva: Análisis de mercado para ajustar salarios, especialmente en posiciones con alta rotación.
- Capacitación en Liderazgo: Programas de formación para jefes en gestión de equipos y desarrollo de talento.
- Encuestas de Clima Laboral: Especialmente en RH para identificar causas de alta rotación.
- Plan de Carrera Transparente: Comunicar claramente los caminos de promoción y los criterios para avanzar.
16 Evaluación del Modelo y Aplicación Interactiva
# Ajustar umbral de corte para múltiples métricas
umbrales <- seq(0.1, 0.9, by = 0.05)
resultados <- data.frame()
for (umbral in umbrales) {
preds <- ifelse(probabilidades > umbral, "Si", "No")
preds <- factor(preds, levels = c("Si", "No"))
cm <- confusionMatrix(preds, datos_prueba_proc$Rotacion, positive = "Si")
# Extraer métricas
precision <- cm$byClass["Precision"]
recall <- cm$byClass["Recall"]
f1 <- cm$byClass["F1"]
sensibilidad <- cm$byClass["Sensitivity"]
especificidad <- cm$byClass["Specificity"]
desempeno <- cm$overall["Accuracy"]
# Índice de Youden: J = Sensibilidad + Especificidad - 1
youden <- sensibilidad + especificidad - 1
# Métrica compuesta: promedio de Precision, Recall y F1
metrica_compuesta <- mean(c(precision, recall, f1))
resultados <- rbind(resultados, data.frame(
Umbral = umbral,
Precision = precision,
Recall = recall,
F1 = f1,
Sensibilidad = sensibilidad,
Especificidad = especificidad,
Desempeño = desempeno,
Youden = youden,
Metrica_Compuesta = metrica_compuesta
))
}
# Mejor umbral según métrica compuesta
mejor_umbral_compuesto <- resultados$Umbral[which.max(resultados$Metrica_Compuesta)]
print(paste("Mejor umbral según la métrica compuesta:", mejor_umbral_compuesto))## [1] "Mejor umbral según la métrica compuesta: 0.1"# Mejor umbral según el índice de Youden
mejor_umbral_youden <- resultados$Umbral[which.max(resultados$Youden)]
print(paste("Mejor umbral según el índice de Youden:", mejor_umbral_youden))## [1] "Mejor umbral según el índice de Youden: 0.2"# Mejor umbral según el desempeño (Accuracy)
mejor_umbral_desempeno <- resultados$Umbral[which.max(resultados$Desempeño)]
print(paste("Mejor umbral según desempeño (Accuracy):", mejor_umbral_desempeno))## [1] "Mejor umbral según desempeño (Accuracy): 0.5"