004_iis22171

1) Περιγραφή του dataset και της πηγής του

Το σύνολο δεδομένων που αναλύεται είναι το IBM HR Analytics Employee Attrition & Performance, το οποίο αντλήθηκε από την πλατφόρμα Kaggle.

Αποτελείται από 1470 εγγραφές και 35 μεταβλητές, που σχετίζονται με δημογραφικά στοιχεία, την απόδοση και την εργασιακή ικανοποίηση και κυρίως αν έχουν Αποχωρήσει από την εταιρεία ή όχι.

2) Αιτιολόγηση της επιλογής σε σχέση με την επιχειρηματική αναλυτική

Η επιλογή του συγκεκριμένου dataset έγινε, διότι ο συνδυασμός των ποσοτικών και ποιοτικών δεδομένων, που προσφέρει σχετικά με το τμήμα του Ανθρωπίνου Δυναμικού στα πλαίσια της Επιχειρηματικής Αναλυτικής επιτρέπει την χρήση στατιστικών εργαλείων για τη λήψη αποφάσεων, που αφορούν τη διακράτηση του προσωπικού και τη βελτίωση του εργασιακού περιβάλλοντος.

3) Eπιχειρηματικά ερωτήματα, που θα μπορούσαν να απαντηθούν

• Πώς επηρεάζει η ηλικία το επίπεδο του μηνιαίου εισοδήματος;
• Υπάρχει διαφορά στην προϋπηρεσία μεταξύ των υπαλλήλων που αποχωρούν και αυτών που παραμένουν;
• Ποια είναι η κατανομή των μισθών;
• Ποιοι ρόλοι κυριαρχούν στον οργανισμό;

4) Περιγραφή των μεταβλητών

Ποσοτικές Μεταβλητές

Μεταβλητή	Τύπος	Εύρος Τιμών	Μονάδες Μέτρησης
Age	Διακριτή	18 - 60	Έτη
DailyRate	Διακριτή	102 - 1499	Νομισματικές Μονάδες (π.χ. Ευρώ)
DistanceFromHome	Διακριτή	1 - 29	Απόσταση (συνήθως Μίλια)
HourlyRate	Διακριτή	30 - 100	Νομισματικές Μονάδες ανά ώρα
MonthlyIncome	Συνεχής	1.009 - 19.999	Νομισματικές Μονάδες ανά μήνα
MonthlyRate	Διακριτή	2.094 - 26.999	Νομισματικές Μονάδες
NumCompaniesWorked	Διακριτή	0 - 9	Αριθμός εταιρειών
PercentSalaryHike	Διακριτή	11 - 25	Ποσοστό (%)
TotalWorkingYears	Διακριτή	0 - 40	Έτη
TrainingTimesLastYear	Διακριτή	0 - 6	Αριθμός εκπαιδεύσεων
YearsAtCompany	Διακριτή	0 - 40	Έτη
YearsInCurrentRole	Διακριτή	0 - 18	Έτη
YearsSinceLastPromotion	Διακριτή	0 - 15	Έτη
YearsWithCurrManager	Διακριτή	0 - 17	Έτη

Ποιοτικές Μεταβλητές

Κατηγορικές Μεταβλητές

Μεταβλητή	Περιγραφή / Τιμές
Attrition	Εγκατάλειψη εργασίας (Yes, No)
BusinessTravel	Συχνότητα ταξιδιών (Non-Travel, Travel_Rarely, Travel_Frequently)
Department	Τμήμα (Sales, Research & Development, Human Resources)
EducationField	Τομέας εκπαίδευσης (Life Sciences, Medical, Marketing, κ.α.)
Gender	Φύλο (Female, Male)
JobRole	Ρόλος εργασίας (Manager, Sales Executive, Laboratory Technician, κ.α.)
MaritalStatus	Οικογενειακή κατάσταση (Single, Married, Divorced)
OverTime	Υπερωρίες (Yes, No)

Τακτικές Μεταβλητές

Μεταβλητή	Εύρος (Κλίμακα)	Περιγραφή
Education	1 - 5	Επίπεδο εκπαίδευσης (1: Χαμηλό, 5: Υψηλό)
EnvironmentSatisfaction	1 - 4	Ικανοποίηση από το περιβάλλον εργασίας
JobInvolvement	1 - 4	Βαθμός εμπλοκής στην εργασία
JobLevel	1 - 5	Ιεραρχικό επίπεδο θέσης
JobSatisfaction	1 - 4	Ικανοποίηση από την εργασία
PerformanceRating	3 - 4	Αξιολόγηση απόδοσης
RelationshipSatisfaction	1 - 4	Ικανοποίηση από τις σχέσεις στην εργασία
StockOptionLevel	0 - 3	Επίπεδο δικαιωμάτων προαίρεσης μετοχών
WorkLifeBalance	1 - 4	Ισορροπία επαγγελματικής/προσωπικής ζωής

##* Φόρτωση Δεδομένων*

# Φόρτωση των δεδομένων
hr_data <- read.csv("WA_Fn-UseC_-HR-Employee-Attrition.csv", stringsAsFactors = TRUE)

# Έλεγχος των πρώτων γραμμών για να δούμε αν φορτώθηκαν σωστά
head(hr_data)

##   Age Attrition    BusinessTravel DailyRate             Department
## 1  41       Yes     Travel_Rarely      1102                  Sales
## 2  49        No Travel_Frequently       279 Research & Development
## 3  37       Yes     Travel_Rarely      1373 Research & Development
## 4  33        No Travel_Frequently      1392 Research & Development
## 5  27        No     Travel_Rarely       591 Research & Development
## 6  32        No Travel_Frequently      1005 Research & Development
##   DistanceFromHome Education EducationField EmployeeCount EmployeeNumber
## 1                1         2  Life Sciences             1              1
## 2                8         1  Life Sciences             1              2
## 3                2         2          Other             1              4
## 4                3         4  Life Sciences             1              5
## 5                2         1        Medical             1              7
## 6                2         2  Life Sciences             1              8
##   EnvironmentSatisfaction Gender HourlyRate JobInvolvement JobLevel
## 1                       2 Female         94              3        2
## 2                       3   Male         61              2        2
## 3                       4   Male         92              2        1
## 4                       4 Female         56              3        1
## 5                       1   Male         40              3        1
## 6                       4   Male         79              3        1
##                 JobRole JobSatisfaction MaritalStatus MonthlyIncome MonthlyRate
## 1       Sales Executive               4        Single          5993       19479
## 2    Research Scientist               2       Married          5130       24907
## 3 Laboratory Technician               3        Single          2090        2396
## 4    Research Scientist               3       Married          2909       23159
## 5 Laboratory Technician               2       Married          3468       16632
## 6 Laboratory Technician               4        Single          3068       11864
##   NumCompaniesWorked Over18 OverTime PercentSalaryHike PerformanceRating
## 1                  8      Y      Yes                11                 3
## 2                  1      Y       No                23                 4
## 3                  6      Y      Yes                15                 3
## 4                  1      Y      Yes                11                 3
## 5                  9      Y       No                12                 3
## 6                  0      Y       No                13                 3
##   RelationshipSatisfaction StandardHours StockOptionLevel TotalWorkingYears
## 1                        1            80                0                 8
## 2                        4            80                1                10
## 3                        2            80                0                 7
## 4                        3            80                0                 8
## 5                        4            80                1                 6
## 6                        3            80                0                 8
##   TrainingTimesLastYear WorkLifeBalance YearsAtCompany YearsInCurrentRole
## 1                     0               1              6                  4
## 2                     3               3             10                  7
## 3                     3               3              0                  0
## 4                     3               3              8                  7
## 5                     3               3              2                  2
## 6                     2               2              7                  7
##   YearsSinceLastPromotion YearsWithCurrManager
## 1                       0                    5
## 2                       1                    7
## 3                       0                    0
## 4                       3                    0
## 5                       2                    2
## 6                       3                    6

5) Υπολογισμός και παρουσίαση περιγραφικών στατιστικών

library(dplyr)
library(knitr)

# Υπολογισμός στατιστικών
summary_stats <- hr_data %>%
  summarise(
    Mean = mean(MonthlyIncome),
    Median = median(MonthlyIncome),
    SD = sd(MonthlyIncome),
    Variance = var(MonthlyIncome),
    Min = min(MonthlyIncome),
    Max = max(MonthlyIncome),
    Range = max(MonthlyIncome) - min(MonthlyIncome)
  )

kable(summary_stats, caption = "Περιγραφικά Στατιστικά Μηνιαίου Εισοδήματος Υπαλλήλων", digits=2)

Περιγραφικά Στατιστικά Μηνιαίου Εισοδήματος Υπαλλήλων

Mean	Median	SD	Variance	Min	Max	Range
6502.93	4919	4707.96	22164857	1009	19999	18990

6) Διερεύνηση συσχετίσεων

cor_val <- cor(hr_data$Age, hr_data$MonthlyIncome)

print(paste("Συντελεστής Συσχέτισης:", round(cor_val, 3)))

## [1] "Συντελεστής Συσχέτισης: 0.498"

Με τον υπολογισμό της συσχέτισης μεταξύ της Ηλικίας των Εργαζομένων και του Μηνιαίου Εισοδήματός τους, παρατηρούμε ότι υπάρχει μια θετική συσχέτιση. Αυτό σημαίνει ότι στην επιχείρηση λειτουργεί ως προγνωστικός παράγοντας για υψηλότερες απολαβές και αυτό σχετίζεται με το γεγονός ότι “με τα χρόνια αυξάνεται και η εμπειρία”.

7) Οπτικοποίηση Δεδομένων

Scatterplot

Στο παρακάτω γράφημα εξετάζουμε αν η Αποχώρηση των υπαλλήλων σχετίζεται με τον συνδυασμό της Ηλικίας και των Μηνιαίων Εισοδημάτων τους.

library(ggplot2)

ggplot(data = hr_data, aes(x = Age, y = MonthlyIncome, color = Attrition)) +
  geom_point(alpha = 0.5) +
  geom_smooth(method = "lm", color = "black", se = TRUE) + 
  labs(title = "Συσχέτιση Ηλικίας και Εισοδήματος", 
       subtitle = "Με διάκριση βάσει Αποχώρησης",
       x = "Ηλικία", 
       y = "Μηνιαίο Εισόδημα",
       color = "Αποχώρηση") +
  theme_minimal()

Συμπέρασμα: Παρατηρούμε μια σαφής θετική συσχέτιση μεταξύ της ηλικίας και του μηνιαίου εισοδήματος, καθώς οι μεγαλύτεροι σε ηλικία υπάλληλοι τείνουν να κατέχουν υψηλότερες μισθολογικές απολαβές (όπως δείχνει η μαύρη γραμμή τάσης). Επίσης, παρατηρούμε ότι οι περιπτώσεις αποχώρησης (Attrition: Yes) εντοπίζονται κυρίως σε χαμηλότερα εισοδήματα, ανεξαρτήτως ηλικίας.

Boxplot

Στο παρακάτω γράφημα εξετάζουμε αν τα Έτη προϋπηρεσίας σχετίζονται με την Αποχώρηση των υπαλλήλων ή όχι.

library(ggplot2)

ggplot(data = hr_data, aes(x = Attrition, y = YearsAtCompany, fill = Attrition)) +
  geom_boxplot(outlier.color = "red", outlier.shape = 16) +
  labs(title = "Χρόνια στην Εταιρεία vs Αποχώρηση", 
       subtitle = "Σύγκριση κατανομής προϋπηρεσίας",
       x = "Αποχώρηση (Attrition)", 
       y = "Έτη στην Εταιρεία",
       fill = "Κατάσταση") +
  theme_light() +
  theme(legend.position = "none")

Συμπέρασμα: Φαίνεται ότι οι υπάλληλοι, που αποχωρούν (Yes) έχουν χαμηλότερη διάμεσο ετών προϋπηρεσίας σε σχέση με εκείνους, που παραμένουν (No). Η συγκέντρωση των δεδομένων χαμηλά στον άξονα Y υποδηλώνει ότι ο κίνδυνος φυγής είναι μεγαλύτερος στα πρώτα έτη εργασίας. Τα κόκκινα σημεία (outliers) υποδεικνύουν σπάνιες αλλά κρίσιμες αποχωρήσεις στελεχών με πολυετή εμπειρία.

Histogram

Στο παρακάτω γράφημα εξετάζουμε τη μισθολογική κλίμακα των υπαλλήλων.

library(ggplot2)

ggplot(data = hr_data, aes(x = MonthlyIncome)) +
  geom_histogram(binwidth = 1000, fill = "orange", color = "white") +
  labs(title = "Κατανομή Μηνιαίου Εισοδήματος", 
       subtitle = "Ανάλυση συχνότητας ανά κλιμάκιο 1.000€",
       x = "Μηνιαίο Εισόδημα", 
       y = "Αριθμός Υπαλλήλων") +
  theme_minimal()

Συμπέρασμα: Παρατηρούμε ότι οι περισσότεροι υπάλληλοι αμείβονται με χαμηλούς μισθούς, γεγονός που εξηγεί τη δεξιά κλίση του γραφήματος, καθώς προχωράμε σε υψηλότερους μισθούς, ο αριθμός των υπαλλήλων μειώνεται απότομα, δείχνοντας ότι οι πολύ υψηλές απολαβές αφορούν ελάχιστα στελέχη.

Bar chart

Στο παρακάτω γράφημα αναλύουμε τον Αριθμό των εργαζομένων, που απασχολούνται σε κάθε Ρόλο εντός της εταιρείας.

library(ggplot2)

ggplot(data = hr_data, aes(x = JobRole, fill = JobRole)) +
  geom_bar() +
  coord_flip() + 
  labs(title = "Πλήθος Υπαλλήλων ανά Εργασιακό Ρόλο", 
       subtitle = "Ανάλυση ανθρώπινου δυναμικού ανά ειδικότητα",
       x = "Ρόλος Εργασίας", 
       y = "Συχνότητα (Αριθμός Υπαλλήλων)") +
  theme_minimal() +
  
  guides(fill = "none")

Συμπέρασμα: Από τις μπάρες καταλαβαίνουμε ότι οι ειδικότητες, όπως οι Sales Executive και Research Scientist είναι οι πιο πολυπληθείς και αποτελούν τον βασικό κορμό του ανθρώπινου δυναμικού της επιχείρησης.