Reporte de Proyecto

Introducción.

Las altas tasas de rotación pueden afectar negativamente a una empresa y a sus empleados de muchas maneras. Con la necesidad constante de contratar y capacitar a nuevos empleados, es fácil desviarse de la verdadera misión y visión de la organización. Al retener a los empleados, las empresas pueden proporcionar una fuerza laboral de mayor calibre que afecta positivamente el resultado final. Con el fin de reducir estás tasa, una empresa busca consultoría para apoyar a su área de RRHH a entender la rotación del personal, para esto se proporcionó una base de datos con información acerca de los trabajadores durante el año pasado.

Análisis Exploratorio.

Modelo.

Con el fin de poder entender la rotación de empleados, se buscaran, si es que existen, variables que aumentan o disminuyan la probabilidad de rotación. Dadas las características de los datos se eligió ajustar un modelo GLM Binomial teniendo como variable independiente la variable Attrtion.

Para mejorar la interpretación del intercepto, las variables numéricas fueron centradas respecto a su media. Primero se ajustó el modelo utilizando todas las variables, posteriormente haciendo uso de la función stepAIC con el fin de encontrar un segundo modelo con el menor AIC posible. Este modelo contaba con las siguientes variables.

# Modelo Completo

modeloc <- glm(Attrition ~., family = binomial, data = dataf)
stepAIC(modeloc)

## Attrition ~ JobInvolvement + EnvironmentSatisfaction + JobSatisfaction + 
##     WorkLifeBalance + Age + Education + NumCompaniesWorked + 
##     PercentSalaryHike + StockOptionLevel + TotalWorkingYears + 
##     TrainingTimesLastYear + YearsAtCompany + YearsSinceLastPromotion + 
##     YearsWithCurrManager + BusinessTravel + EducationField + 
##     JobRole + MaritalStatus

Sin embargo, buscando simplificar el modelo y facilitar la interpretación eliminamos las variables: JobInvolvement , Education, EducationField, PercentSalaryHike, StockOptionLevel, YearsAtCompany y JobRole. Está acción aumento el AIC sin embargo no penalizó el accuracy del modelo. El modelo es el siguiente.

# Modelo Final

modelo <- glm(Attrition ~ EnvironmentSatisfaction + JobSatisfaction +  WorkLifeBalance + 
                Age + NumCompaniesWorked + TotalWorkingYears + TrainingTimesLastYear + 
                YearsSinceLastPromotion + YearsWithCurrManager + BusinessTravel + 
                MaritalStatus, family = binomial, data = dataf)
# Summary

summary(modelo)

## 
## Call:
## glm(formula = Attrition ~ EnvironmentSatisfaction + JobSatisfaction + 
##     WorkLifeBalance + Age + NumCompaniesWorked + TotalWorkingYears + 
##     TrainingTimesLastYear + YearsSinceLastPromotion + YearsWithCurrManager + 
##     BusinessTravel + MaritalStatus, family = binomial, data = dataf)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -1.5490  -0.6104  -0.4065  -0.2150   3.4454  
## 
## Coefficients:
##                                  Estimate Std. Error z value Pr(>|z|)    
## (Intercept)                     -3.598639   0.216362 -16.632  < 2e-16 ***
## EnvironmentSatisfaction         -0.308987   0.040817  -7.570 3.73e-14 ***
## JobSatisfaction                 -0.315853   0.040744  -7.752 9.04e-15 ***
## WorkLifeBalance                 -0.306328   0.062010  -4.940 7.81e-07 ***
## Age                             -0.029613   0.006969  -4.249 2.15e-05 ***
## NumCompaniesWorked               0.121602   0.018751   6.485 8.88e-11 ***
## TotalWorkingYears               -0.063997   0.011222  -5.703 1.18e-08 ***
## TrainingTimesLastYear           -0.145415   0.036299  -4.006 6.18e-05 ***
## YearsSinceLastPromotion          0.153942   0.019063   8.076 6.72e-16 ***
## YearsWithCurrManager            -0.143212   0.019467  -7.357 1.88e-13 ***
## BusinessTravelTravel_Frequently  1.462691   0.204123   7.166 7.74e-13 ***
## BusinessTravelTravel_Rarely      0.727327   0.191021   3.808  0.00014 ***
## MaritalStatusMarried             0.289532   0.134570   2.152  0.03143 *  
## MaritalStatusSingle              1.163915   0.133247   8.735  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 3804.3  on 4299  degrees of freedom
## Residual deviance: 3206.0  on 4286  degrees of freedom
## AIC: 3234
## 
## Number of Fisher Scoring iterations: 5

Analizando los fitted values y considerando aquellos valores mayores a 0.435 como una rotación positiva el modelo tiene un accuracy de 85%.

Interpretación de los resultados.

Considerado los coeficientes obtenidos por el modelo podemos dividir en 2 categorías:

• Categoría 1: compuesta por aquellas variables con coeficientes positivos las cuales aumentan la probabilidad de tener una rotación positiva (1); ordenadas de mayor a menor según el aumento de probabilidad que provocan:

  • BusinessTravelTravel_Frequently
  • MaritalStatusSingle
  • BusinessTravelTravel_Rarely
  • MaritalStatusMarried
  • YearsSinceLastPromotion
  • NumCompaniesWorked

• Categoría 2: compuesta por aquellas variables con coeficientes negativos las cuales disminuyen la probabilidad de tener rotación positiva (1); ordenadas de mayor a menor según la disminución de probabilidad que provocan:

  • JobSatisfaction
  • EnvironmentSatisfaction
  • WorkLifeBalance
  • YearsWithCurrManager
  • TrainingTimesLastYear
  • TotalWorkingYears
  • Age

Para apreciar mejor el peso que tienen las variables tomaremos como base a un empleado con características promedio para todas las variables. Estás son:

• JobSatisfaction (nivel 3)
  
• EnvironmentSatisfaction (nivel 3)
  
• WorkLifeBalance (nivel 3)
• Age (37 años)
  
• NumCompaniesWorked (3 compañías)
  
• TotalWorkingYears (11 años)
  
• TrainingTimesLastYear (3 veces)
• YearsSinceLastPromotion (2 años)
  
• YearsWithCurrManager (4 años)
• BusinessTravel (NonTravel)
• MaritalStatus (Divorced)

La probabilidad de rotación para este empleado es de 2.66%, compararemos la probabilidad de rotación modificando las variables más significativas.

• BusinessTravelTravel_Frequently
  • Si pasa de Non Travel a Travel Frequently la probabilidad de rotación es de 10.56%, aumento de 7.90%
• MaritalStatusSingle
  • Si pasa de Divorced a Single la probabilidad de rotación es de 8.05%, aumento de 5.39%
• BusinessTravelTravel_Rarely
  • Si pasa de Non Travel a Travel Rarely la probabilidad de rotación es de 5.35% aumento, de 2.69%
• MaritalStatusMarried
  • Si pasa de Divorced a Married la probabilidad de rotación es de 3.52% aumento, de 0.86%
• JobSatisfaction
  • Si pasa de nivel 3 a nivel 1 la probabilidad de rotación es de 4.89%, aumento de 2.23%
  • Si pasa de nivel 3 a nivel 4 la probabilidad de rotación es de 1.95%, decremento de 0.70%
• EnvironmentSatisfaction
  • Si pasa de nivel 3 a nivel 1 la probabilidad de rotación es de 4.83%, aumento de 2.16%
  • Si pasa de nivel 3 a nivel 4 la probabilidad de rotación es de 1.96%, decremento de 0.69%
• WorkLifeBalance
  • Si pasa de nivel 3 a nivel 1 la probabilidad de rotación es de 4.80%, aumento de 2.14%
  • Si pasa de nivel 3 a nivel 4 la probabilidad de rotación es de 1.97%, decremento de 0.68%

Comencemos agendando los problemas por viajes de negocio, los viajes corporativos cobran un precio muy alto para muchos empleados tanto mental como físicamente y, si no se administran y respaldan adecuadamente, pueden ser una de las formas más rápidas de frustrar, alienar y eventualmente perder a algunos de los mejores trabajadores. Esto queda claro al revisar las gráficas de esta variable pues en efecto son los empleados con mayor frecuencia de viaje que presentan la mayor rotación.

Para el caso del estado civil, aunque no resulta totalmente ético preguntar sobre el estado civil del empleado hay estudios que muestran el impacto de este sobre la eficiencia de los trabajadores, en nuestro caso es claro que los empleados con menor rotación son los empleados divorciados.

Asimismo hay pruebas que muestran que el haber recibido una promoción en los dos últimos años aumenta la probabilidad de que un trabajador esté muy satisfecho con su trabajo. Esto significa que los empleadores pueden utilizar las promociones como un mecanismo más para aumentar la satisfacción del trabajador. El aumento en la satisfacción del trabajador es muy util pues como el modelo indica esto reduce la probabilidad de rotación.

Otro factor importante son los niveles de satisfacción laborales y personales, así como el balance vida-trabajo. Un empleado con un bajo nivel de satisfacción o sobreexplotado tarde o temprano dejará de trabajar para poder encontrar un trabajo que realmente le guste. Sin embargo, el problema no termina ahí pues las actitudes tomadas por un empleado poco satisfecho pueden afectar negativamente a sus compañeros lo que resulta en una baja moral general que indudablemente afectará la productividad en la compañía. Es por esto por lo que es vital mantener los niveles de satisfacción altos.

Se debe considerar también el entrenamiento y capacitación de los empleados. Los empleados pueden contribuir al éxito de la empresa cuando están capacitados para realizar su trabajo de acuerdo con los estándares de la industria. La capacitación, que es esencial tanto para la gerencia como para el personal. Los empleados están interesados en realizar bien su trabajo para avanzar en la empresa, sienten orgullo por un trabajo bien hecho y avanzan a puestos más altos. Cuando no hay capacitación, los empleados no entienden cómo hacer su trabajo y ninguno de estos objetivos es posible. Esto conduce a una baja moral entre los trabajadores, lo que resulta en la rotación de empleados.

En el caso de la edad basta con mirar las gráficas para notar que los empleados con mayor rotación se encuentran en mayor cantidad en edades por debajo de la media. Esta falta de compromiso en los empleados jóvenes podría verse como una respuesta a la desconexión entre trabajadores y gerentes. Muchos empleadores esperan empleados comprometidos, pero no necesariamente incentivan ese compromiso. Además, en el caso de los trabajadores jóvenes, el empleo tiende a ser en trabajos poco calificados y mal pagados que tienen poco o ningún espacio para avanzar por lo que no ven la necesidad de comprometerse.

Con base en los resultados anteriores podemos abordar el problema desde dos acercamientos, el primero es con los empleados contratados actualmente. Para mantener la probabilidad de rotación baja es necesario tomar medidas en las variables que la empresa puede controlar y que están afectando a los trabajadores, medidas como:

• Reducir los viajes de negocios.
• Reducir el tiempo entre cada ascenso para el empleado.
• Mantener los niveles de satisfacción laboral y del ambiente laboral lo más alto posible con acciones tales como:
  • Trato respetuoso para todos los empleados a todos los niveles.
  • Confianza entre empleados y jefes.
  • Beneficios en forma de seguros y otros pagos en especie.
  • Seguridad en el trabajo.
  • Relación fluida con el supervisor inmediato.
  • Oportunidad de usar habilidades y formación en el puesto de trabajo.
  • Respeto a las ideas propuestas por los empleados a los jefes.
  • Reconocimiento explícito al desempeño del empleado por parte de la dirección.
• Mantener una carga de trabajo comprensiva que permita al empleado tener tiempo libre.
• Brindar entrenamiento y capacitaciones más frecuentes.

Una empresa que tiene en cuenta las necesidades de sus empleados crea de forma natural un círculo confianza que da lugar a la atmosfera de bienestar laboral que todo empleado y encargado desea estar.

El otro acercamiento es utilizar como criterios de contratación las variables que potencialmente disminuyen la probabilidad de rotación, es decir, en medida de lo posible contratar personas que posean alguna de las siguientes características:

• Divorciadas.
• Que no hayan trabajado anteriormente en un gran número de compañías distintas.
• Mayores de la edad promedio, 37 años.
• Que hayan trabajado por más del timpo promedio, 11 años.

Basandonos en los resultados proporcionados por el modelo, de seguir las medidas anteriores se obtendrá una reducción de la probabilidad de rotación de los empleados.