library(readxl)
datos=read_excel("C:/Users/asus/Desktop/DatosRotacion.xlsx")

##Actividad 1 ####VArIABLES CATEGORICAS #-CARGO:Se espera que el cargo se relacione con la rotación ya que las personas con una escala jerárquica menor es probable que estén en busca de mejores opciones laborales y que esto incida en dejar la compañía. Además, es probable que su escala educativa vaya incrementando, por lo tanto, las personas de cargos inferiores buscarán nuevos cargos que se ajusten mucho más a sus nuevos perfiles laborales. Hipótesis: las personas de cargos inferiores tienen mayor nivel de rotación que las que tiene cargos superiores. #-VIAJE DE NWGOCIOS: Se espera que los viajes de negocios se relacionen con la rotación pues las personas que viajan constantemente puedan ver afectadas su relaciones personales o familiares. Hipótesis: las personas que deben realizar viajes de negocios rotan más en comparación con las personas que no realizan viajes de negocios. #-ESTADO CIVIL:Se espera que las personas solteras roten más pues debido a que no tienen conyugue o compañeros permanentes es probable que puedan tener más margen de acción para buscar mejores oportunidades laborales. Hipótesis: las personas solteras rotan más que las personas casadas pues tienen buscan nuevas y mejores oportunidades laborales. ##VARIABLES CUANTITATIVAS #-INGRESO MENSUAL:Se espera que el ingreso mensual influya en la rotación pues dependiendo de que tan bueno o mala sea la remuneración las personas decidirán permanecer o no en la compañía. Hipótesis: a menor ingreso mensual mayor rotación en comparación a aquellos con mejor remuneración salarial. #AÑOS DE EXPERIENCIA :Se espera que los años de experiencia influyan en la rotación pues es probable que aquellos que tienen varios años de experiencia permanezcan en la compañía debido a que ya han tenido experiencia en otros lugares y pueden encontrase a gusto en sus puestos actuales, contrario a aquellos que no cuentan con varios años de experiencia, quienes probablemente buscaran mejores oportunidades en otros lugares. Hipótesis: a menos años de experiencia mayor rotación en comparación con las personas con más años de experiencia. #ANTIGUEDAD: Se espera que aquellos que la antigüedad influya en el nivel de rotación pues la cantidad de años en una empresa influye en la fidelización y estabilidad que su personal tenga. Hipótesis: a mayor antigüedad menor rotación en comparación a las personas que tiene menos años en la compañía.

##ACTIVIDAD 2. Realizar un análisis univariado (caracterización). Nota: Los indicadores o gráficos se usan dependiendodel tipo de variable (cuanti o cuali). Incluir interpretaciones de la rotación. ##VARIABLES CUANTITATIVAS ##VARIABLES INGRESO MENSUAL Y AÑOS DE EXPERIENCIA

require(ggplot2)
require(ggpubr)
g1=ggplot(datos, aes(x=Ingreso_Mensual))+geom_histogram()+theme_bw()
g2=ggplot(datos, aes(x=Años_Experiencia))+geom_histogram()+theme_bw()
ggarrange (g1,g2,labels = c("A","B"),ncol = 2, nrow = 1)

##El ingreso mensual de la mayoría de los empleados se concentra en un intervalo de 1 y cinco millones- Los intervalos de ingreso mensual que se ubican entre 15 y 20 millones son significativamente menores.

##Los intervalos frente al año de antiguedad más comunes de la compañìa se concentran entre 1-10 años.

#VARIABLE ANTIGUEDAD

require(ggplot2)
g1=ggplot(datos, aes(x=Antigüedad))+geom_boxplot()+theme_bw()
ggarrange(g1,labels = c("A"),ncol = 1, nrow = 1)

#El diagrama de cajas de la variable relacionada con antiguedad presenta una asimetria positiva e indica que la mayoria de los empleados tienen una antiguedad de entre los 3 y los 9 años. Sin embargo, hay unos valores grandes que están arrastrando a la media.

#VARIABLES CUALITATIVAS #VARIABLE ANTIGUEDAD

prop.table(table(datos$`Viaje de Negocios`))*100
## 
## Frecuentemente       No_Viaja      Raramente 
##       18.84354       10.20408       70.95238

##la tabla de frecuencias indica que la mayorìa de los emppleados (70%) raramente viaja, en comparaciòn al 18% de los empleados que frecuentemente viajan. Hay una difrencia del 52% entre los que raramente viajan y los que viajan frecuentemente.

##VARIABLE ESTADO CIVIL

require(ggplot2)
require(ggpubr)
g1=ggplot(datos, aes(x=datos$Estado_Civil))+geom_bar()+theme_bw()
ggarrange(g1,labels = c("A"),ncol = 1, nrow = 1)

##La grafica muestra que hay una mayor proporción de los casados frente a los solteros y los divorciados. Más de 600 empleados son casados.

##VARIABLE CARGO

prop.table(table(datos$Cargo))*100
## 
##  Director_Investigación    Director_Manofactura        Ejecutivo_Ventas 
##                5.442177                9.863946               22.176871 
##                 Gerente Investigador_Cientifico        Recursos_Humanos 
##                6.938776               19.863946                3.537415 
##     Representante_Salud    Representante_Ventas     Tecnico_Laboratorio 
##                8.911565                5.646259               17.619048

##La tabla de proporciones indica que la mayoria de cargos están concentrados como ejecutivos de ventas, con el 22%, seguido de investigador cientifico con el 19%. Los cargos con menor proporción corresponden a Director de Ingestigación (5) y gerente (6%)

##ACTIVIDAD 3. Realizar un análisis bivariado (siempre contra la rotación). Nota: Los indicadores y gráficos se usandependiendo del tipo de variable (cuanti VS cuali, cuali VS cuali). Comparar los resultados con la hipótesis planteada inicialmente y determinar si los datos apoyan o no la hipótesis.

##CARGO VS ROTACIÓN ##hipótesis: las personas de cargos inferiores tienen mayor nivel de rotación que las que tiene cargos superiores.

datos$Cargo=factor(datos$Cargo,levels = c("Representante_Ventas","Tecnico_Laboratorio","Recursos_Humanos","Ejecutivo_Ventas", "Investigador_Cientifico","Director_Manofactura","Representante_Salud","Gerente","Director_Investigación" ))
tabla1=table(datos$Cargo, datos$Rotación)
prop.table(tabla1,margin = 1)*100
##                          
##                                  No        Si
##   Representante_Ventas    60.240964 39.759036
##   Tecnico_Laboratorio     76.061776 23.938224
##   Recursos_Humanos        76.923077 23.076923
##   Ejecutivo_Ventas        82.515337 17.484663
##   Investigador_Cientifico 83.904110 16.095890
##   Director_Manofactura    93.103448  6.896552
##   Representante_Salud     93.129771  6.870229
##   Gerente                 95.098039  4.901961
##   Director_Investigación  97.500000  2.500000

##la hipotesis se cumple pues los representantes de ventas son quienes tiene mayor rotación, seguido de los tecnicos de laboratorio y los de recursos humanos. Los directores de investigación y los gerentes son quienes tienen un menor porcentaje de rotación.

##ROTACIÓN VS VIAJE DE NEGOCIOS #Hipótesis: las personas que deben realizar viajes de negocios rotan más en comparación con las personas que no realizan viajes de negocios

datos$`Viaje de Negocios`=factor(datos$`Viaje de Negocios`,levels = c("Frecuentemente","Raramente","No_Viaja"))
tabla1=table(datos$`Viaje de Negocios`,datos$Rotación)
prop.table(tabla1, margin = 1)*100
##                 
##                        No       Si
##   Frecuentemente 75.09025 24.90975
##   Raramente      85.04314 14.95686
##   No_Viaja       92.00000  8.00000

#Se cumple la hipotesis, las personas que viajan frecuentemente rotan más que las personas que no raramente viajan o que no viajan.

##ROTACIÓN VS VARIABLE ESTADO CIVIL #Hipótesis: las personas solteras rotan más que las personas casadas pues es más probable que busquen nuevas y mejores oportunidades laborales.

require(CGPfunctions)
PlotXTabs2(datos, Estado_Civil,Rotación,plottype = "percent")

##Se comprueba la hipotesis que indica que los solteros rotan más que los casados y los divorciados (26%). #Hipotesis: A menor ingreso mensual mayor rotación en comparación con aquellos que tienen mejor remuneración salarial.

##VARIABLE INGRESO MENSUAL VS ROTACIÓN

g1=ggplot(datos,aes(x=Rotación,y=Ingreso_Mensual,fill=Rotación))+geom_boxplot()+theme_bw()
require(plotly)
ggplotly(g1)

#Se cumple la hipotesis, pues hay una diferencia significativa entre la mediana de los que no rotan 5,204.000 y de los que si rotal, cuya mediana se ubica en 3.200.000. Es decir, hay casi dos millones de difencia entre los salarios de los que si rotan a los que no. El 75% de los que si rotan tenía un salario de 5.935.000

#VARIABLE ROTACIÓN VS ANTIGUEDAD #-ANTIGUEDAD: Hipótesis a menos antiguedad mayor rotación en comparación con las personas con mayor antiguedad.

g1=ggplot(datos,aes(x=Rotación,y=Antigüedad,fill=Rotación))+geom_boxplot()+theme_bw()
require(plotly)
ggplotly(g1)

##La hipotesis se cumple pues el 50% (mediana) de los empleados que si rotan tienen una antiguedad que ubica en los tres años, mientras que el 50% de los que no rotan (mediana)tienen una antiguedad de 6 años. La diferencia entre esas dos medianas es de tres años. Entonces, hay una diferencia frente a la antiguedad entre los empleados que si rotan a los que no de tres años.

#VARIABLE AÑOS DE EXPERIENCIA VS ROTACIÓN ##Hipótesis: a menos años de experiencia mayor rotación en comparación con las personas con más años de experiencia.

 g1=ggplot(datos,aes(x=Rotación,y=Años_Experiencia,fill=Rotación))+geom_boxplot()+theme_bw()
require(plotly)
ggplotly(g1)

##La hipotesis se cumple pues el 50% los empleados que si rotan tienen 7 años de experiencia (mediana) mientras que el 50% de los empleados que no rotan tienen 10 años de experiencia. Entre los que si y los que no rotan hay una diferencia de tres años.

##CONCLUSIONES

##-Frente a la variable de cargo: para poder evitar la rotación que se concentra en los cargos menores la compañía podría implementarse incentivos de promoción para los empleados que vayan ampliando sus perfiles profesionales y haciendo carrera dentro de la empresa. Al cubrir las vacantes superiores que queden disponibles con el mismo personal de la compañía, dando prioridad al mérito, puede ser un incentivo para que los empleados de cargos menores permanezcan en la compañía y quieran hacer carrera en la misma.

##Los solteros rotan más que los casados y los divorciados. Para evitar que las personas solteras renuncien a la empresa, esta última tiene que tener en consideración las necesidades de este grupo de personas. Primero, debe implementar políticas igualitarias, tanto para casados como para solteros, pues la expectativa de que los solteros deben trabajar más que sus compañeros con pareja, puede desincentivar su compromiso con la compañía. Además, es necesario que la compañía incentive a los solteros, reconociendo sus habilidades y proyecciones. Así mismo, podría incentivar la comunicación y la interacción entre los empleados para que e generen lazos laborales y con ello sentido de pertenencia, lo cual favorece la permanencia en la empresa.

##A menos años de experiencia mayor rotación en comparación con las personas con más años de experiencia. Para evitar que quienes tienen menos años en la compañía roten más, la empresa podría emplear incentivos por antigüedad. Es decir, incentivos que demuestren lo valioso que es hacer carrera en la empresa, puede ir desde ascensos o mejores salarios. Esto mantendrá motivado al colaborador, sintiéndose parte de la empresa y verá un crecimiento en su vida profesional