##Exploratorio Bivariado

Correlación de los Datos

library(readxl)
Datos_Rotacion = read_excel("Datos_Rotacion.xlsx")
head(Datos_Rotacion)
## # A tibble: 6 x 24
##   Rotación  Edad `Viaje de Negoc~ Departamento Distancia_Casa Educación
##   <chr>    <dbl> <chr>            <chr>                 <dbl>     <dbl>
## 1 Si          41 Raramente        Ventas                    1         2
## 2 No          49 Frecuentemente   IyD                       8         1
## 3 Si          37 Raramente        IyD                       2         2
## 4 No          33 Frecuentemente   IyD                       3         4
## 5 No          27 Raramente        IyD                       2         1
## 6 No          32 Frecuentemente   IyD                       2         2
## # ... with 18 more variables: Campo_Educación <chr>,
## #   Satisfacción_Ambiental <dbl>, Genero <chr>, Cargo <chr>,
## #   Satisfación_Laboral <dbl>, Estado_Civil <chr>, Ingreso_Mensual <dbl>,
## #   Trabajos_Anteriores <dbl>, Horas_Extra <chr>,
## #   Porcentaje_aumento_salarial <dbl>, Rendimiento_Laboral <dbl>,
## #   Años_Experiencia <dbl>, Capacitaciones <dbl>,
## #   Equilibrio_Trabajo_Vida <dbl>, Antigüedad <dbl>, Antigüedad_Cargo <dbl>,
## #   Años_ultima_promoción <dbl>, Años_acargo_con_mismo_jefe <dbl>

#Rotación vs Departamento

tabla1=table(Datos_Rotacion$Rotación,Datos_Rotacion$Departamento)
tabla1
##     
##      IyD  RH Ventas
##   No 828  51    354
##   Si 133  12     92
tabla2=prop.table(tabla1, margin=2)*100
tabla2
##     
##           IyD       RH   Ventas
##   No 86.16025 80.95238 79.37220
##   Si 13.83975 19.04762 20.62780
barplot(tabla2, beside= T)

Analizando los porcentajes de rotación en cada departamento, se puede concluir que sin importar el departamento en el que los encuestados trabajan, la mayoría no tienden a rotar.

##Rotación vs Genero

tabla3=table(Datos_Rotacion$Rotación,Datos_Rotacion$Genero)
tabla3
##     
##        F   M
##   No 501 732
##   Si  87 150
tabla4=prop.table(tabla3, margin=2)*100
tabla4
##     
##             F        M
##   No 85.20408 82.99320
##   Si 14.79592 17.00680
barplot(tabla4, beside= T)

Analizando los porcentajes de rotación de cada genero, se puede concluir que sin importar el genero de los encuestados la mayoría no tienden a rotar pero hay un porcentaje un poco mayor en los hombres que si rotan

#Rotación vs Horas Extra

tabla5=table(Datos_Rotacion$Rotación,Datos_Rotacion$Horas_Extra)
tabla5
##     
##       No  Si
##   No 944 289
##   Si 110 127
tabla6=prop.table(tabla5, margin=1)*100
tabla6
##     
##            No       Si
##   No 76.56123 23.43877
##   Si 46.41350 53.58650
barplot(tabla6, beside= T)

De acuerdo a los porcentajes de rotación con relación a las horas extra de trabajo, se puede concluir que las personas que rotan, muestran una tendencia mayor a trabajar horas extra, por lo cual se puede inferir que existe una inconformidad o deseo de cambio con aquellos trabajos que exigen horas extra.

#Rotación vs Años de Experiencia

tabla7=tapply(Datos_Rotacion$Años_Experiencia, Datos_Rotacion$Rotación, mean)
tabla7
##        No        Si 
## 11.862936  8.244726
boxplot(Datos_Rotacion$Años_Experiencia~Datos_Rotacion$Rotación, col="gray")

Se puede concluir que entre menos años de experiencia tenga el encuestado, es más probable que si rote, ya que el promedio de edad de los que si rotan es menor que aquellos que no. Sin embargo, gracias al diagrama de caja se puede evidenciar que entre aquellos que si rotan hay algunos casos atipicos por encima de los mismos (en la caja de los que NO rotan)

#Rotación vs Antiguedad en el Cargo

tabla8=tapply(Datos_Rotacion$Antigüedad_Cargo, Datos_Rotacion$Rotación, median)
tabla8
## No Si 
##  3  2
boxplot(Datos_Rotacion$Antigüedad_Cargo~Datos_Rotacion$Rotación, col="gray")

Se puede apreciar que los años en el cargo no tienen un gran impacto entre aquellas personas que si rotan o no rotan. Sin embargo, el tener menos años en el cargo hace más probable que la persona rote, pero incluso llevando varios años en un cargo, se presentan casos en los que hay rotación.