Actividad 2. Datos Rotación
Julieth Cerón
7/3/2022
Análisis estadístico descriptivo de la rotación laboral en una empresa
A continuación se presentan las variables que hacen parte de la base de datos relacionada con la rotación de la empresa:
library(readxl)
data = read_excel("C:/Users/julie/OneDrive/Escritorio/YDRAY-Datos_Rotacion.xlsx")
require(ggplot2)
require(ggpubr)
require(CGPfunctions)
require(plotly)
names(data)## [1] "Rotación" "Edad"
## [3] "Viaje de Negocios" "Departamento"
## [5] "Distancia_Casa" "Educación"
## [7] "Campo_Educación" "Satisfacción_Ambiental"
## [9] "Genero" "Cargo"
## [11] "Satisfación_Laboral" "Estado_Civil"
## [13] "Ingreso_Mensual" "Trabajos_Anteriores"
## [15] "Horas_Extra" "Porcentaje_aumento_salarial"
## [17] "Rendimiento_Laboral" "Años_Experiencia"
## [19] "Capacitaciones" "Equilibrio_Trabajo_Vida"
## [21] "Antigüedad" "Antigüedad_Cargo"
## [23] "Años_ultima_promoción" "Años_acargo_con_mismo_jefe"Como se observa a continuación, de los 1470 empleados, el 16,1% ha rotado en la empresa (270 empleados). Por el contrario, el 83,9% restante no lo ha hecho (1233 empleados).
prop.table(table(data$Rotación))*100##
## No Si
## 83.87755 16.12245Punto No.1 Selección de variables
A continuación se presentan seis variables tanto cualitativas como cuantitativas que pueden estar relacionadas con la rotación laboral de la empresa:
Variables Cualitativas
1.Género
Justificación:El género se puede relacionar con la rotación laboral porque en el caso particular de las mujeres, aun existen grandes barreras para su contratación, lo que se traduce en menores ofertas laborales para este tipo de población y con ello un incentivo menos para cambiar frecuentemente de puesto de trabajo y de organización.
Hipótesis: Las mujeres tienen menor posibilidad de rotar que los hombres.
2.Departamento
Justificación:Se espera que el departamento al cual pertenece un empleado influya en el grado de rotación en la empresa, en el sentido en que las diversas áreas de trabajo pueden tener diferente carga laboral y, más o menos incentivos para rotar, en el caso de los empleados adscritos al área de ventas o área comercial pueden tener mayores incentivos para cambiar de trabajo porque pueden encontrar en el mercado una amplia gama de ofertas laborales relacionadas con este campo de trabajo e incluso con mejores beneficios salariales, entre otros.
Hipótesis: El personal del departamento de ventas tiene mayor posibilidad de rotar frente al personal de otras áreas de la empresa
3.Horas extras
Justificación:Se espera que las horas extras de trabajo influyan en la rotación de personal porque a mayor número de horas extras realizadas por el empleado menor tiempo disponible para realizar otro tipo de actividades interpersonales y familiares, lo cual se convierte en un factor clave para tomar la desicion de cambiar a un puesto de trabajo con mayor flexibilidad.
Hipótesis: Las personas que trabajan horas extras tienen mayor posibilidad de rotar respecto a las que no realizan horas extras laborales
Variables Cuantitativas
4.Edad
Justificación:Se espera que la edad influya con la rotación de personal porque a mayor edad del empleado se espera una menor rotación debido a la necesidad del empleado por garantizar una mayor estabilidad no sólo laboral si no también personal y familiar.Mientras que los empleados más jóvenes buscan ampliar su experiencia laboral u obtener mayores beneficios laborales, como por ejemplo una remuneración mayor, entre otros.
Hipótesis: A mayor edad edad de los empleados menor posibilidad de rotar en la empresa
5.Antiguedad en el cargo
Justificación:Se espera que la antiguedad en el cargo del empleado esté relacionado con la rotación de personal en la medida en que, a mayor antiguedad en el cargo hay una mayor especializacion y confort laboral por lo que el empleado tiene menores incentivos para iniciar un nuevo camino en otra empresa y en otro cargo diferente.
Hipótesis:El personal con mayor antiguedad en el cargo tiene menor probabilidad de rotar respecto a los que tienen mmenos años de antiguedad en el cargo.
5.Porcentaje de aumento salarial
Justificación:El porcentaje de aumento salarial se espera que esté relacionado con el nivel de rotación de personal porque a mayor incentivo monetario, mayor estabilidad laboral y personal del empleado. El empleado siente que se valora el esfuerzo y trabajo realizado en la empresa.
Hipótesis:EL personal que sea beneficiado de un mayor incremento laboral tienen menor posibilidad de rotar frente a las personas cuyo incremento salarial es bajo o poco.
Punto No.2 Análisis Univariado
En esta sección se realiza un análisis univariado de las seis variables selecciondas y descritas en el punto no.1:
Variables Cualitativas
Tablas de frecuencia absoluta y relativa
#Tabla de frecuencia absoluta y relativa de la variable Género
table(data$Genero)##
## F M
## 588 882prop.table(table(data$Genero))*100##
## F M
## 40 60#Tabla de frecuencia absoluta y relativa de la variable Departamento
table(data$Departamento)##
## IyD RH Ventas
## 961 63 446prop.table(table(data$Departamento))*100##
## IyD RH Ventas
## 65.374150 4.285714 30.340136#Tabla de frecuencia absoluta y relativa de la variable Horas Extra
table(data$Horas_Extra)##
## No Si
## 1054 416prop.table(table(data$Horas_Extra))*100##
## No Si
## 71.70068 28.29932Gráficos A,B y C
data$Genero=factor(data$Genero,levels =c("F","M"))
g1=ggplot(data,aes(x=Genero))+geom_bar()+theme_bw()
data$Departamento=factor(data$Departamento,levels =c("IyD","Ventas","RH"))
g2=ggplot(data,aes(x=Departamento))+geom_bar()+theme_bw()
data$Horas_Extra=factor(data$Horas_Extra,levels =c("Si","No"))
g3=ggplot(data,aes(x=Horas_Extra))+geom_bar()+theme_bw()
ggarrange(g1, g2, g3,labels = c("A", "B","C"),ncol = 3, nrow = 1)
Del análisis univariado anterior (Tablas de frecuencia y gráficos A,B y C), se concluye lo siguiente:
-> De los 1470 empleados de la empresa, 882 son hombres (60% del personal total) y 588 son mujeres (40% del total) (Ver gráfico A).
-> El 30,3% de los empleados hacen parte del Departamento de Ventas (446 empleados). El 65,3% del personal total labora en el Departamento de Investigación y Desarrollo (961 empleados) y el 4,2% restante corresponde al Departamento de Recursos Humanos (63 empleados) (Ver gráfico B).
-> En la empresa, 416 empleados realizan horas extras (equivale al 28,9% del personal total). Por el contrario, el 71,7% restante cumple con su jornada laboral normal (1054 empleados) (Ver gráfico C).
Variables Cuantitativas
A continuación se relacionan los indicadores de centralidad y variabilidad de las variables cuantitativas relacionadas con la rotación de personal:
Edad
promedio_Edad=mean(data$Edad)
mediana_Edad=median(data$Edad)
minimo_Edad=min(data$Edad)
maximo_Edad=max(data$Edad)
desviacion_Edad=sd(data$Edad)
ind_E=data.frame(promedio_Edad,mediana_Edad,minimo_Edad,maximo_Edad,desviacion_Edad)
ind_E## promedio_Edad mediana_Edad minimo_Edad maximo_Edad desviacion_Edad
## 1 36.92381 36 18 60 9.135373Antiguedad en el cargo
promedio_Antcg=mean(data$Antigüedad_Cargo)
mediana_Antcg=median(data$Antigüedad_Cargo)
minimo_Antcg=min(data$Antigüedad_Cargo)
maximo_Antcg=max(data$Antigüedad_Cargo)
desviacion_Antcg=sd(data$Antigüedad_Cargo)
ind_Antcg=data.frame(promedio_Antcg,mediana_Antcg,minimo_Antcg,maximo_Antcg,desviacion_Antcg)
ind_Antcg## promedio_Antcg mediana_Antcg minimo_Antcg maximo_Antcg desviacion_Antcg
## 1 4.229252 3 0 18 3.623137Porcentaje de aumento salarial
promedio_Aums=mean(data$Porcentaje_aumento_salarial)
mediana_Aums=median(data$Porcentaje_aumento_salarial)
minimo_Aums=min(data$Porcentaje_aumento_salarial)
maximo_Aums=max(data$Porcentaje_aumento_salarial)
desviacion_Aums=sd(data$Porcentaje_aumento_salarial)
ind_Aums=data.frame(promedio_Aums,mediana_Aums,minimo_Aums,maximo_Aums,desviacion_Aums)
ind_Aums## promedio_Aums mediana_Aums minimo_Aums maximo_Aums desviacion_Aums
## 1 15.20952 14 11 25 3.659938Para resumir el análisis univariado de las variables cuantitativas, a continuación se presentan los graficos D, E y F que hacen referencia a las variables Edad, Antiguedad en el cargo y el porcentaje de aumento salarial,respectivamente:
g4=ggplot(data,aes(x=Edad))+geom_histogram()+theme_bw()
g5=ggplot(data,aes(x=Antigüedad_Cargo))+geom_histogram()+theme_bw()
g6=ggplot(data,aes(x=Porcentaje_aumento_salarial))+geom_histogram()+theme_bw()
ggarrange(g4, g5, g6,labels = c("D", "E","F"),ncol = 3, nrow = 1)
Del análisis univariado anterior (indicadores de centralidad y varianza, y, los gráficos D,E y F), se concluye lo siguiente:
-> De acuerdo a los indicadores calculados y al histograma D se concluye que la edad del personal empleado se encuentra entre 18 y 60 años. El 50% de los empleados tiene 36 años.Por su parte,la edad promedio de los empleados es de 36,9 años. La desviación de la edad de los empleados con respecto al promedio de la edad general es de 9.1 años, lo que se traduce en una alta dispersion de los datos. En el histograma D, resalta una distribución asimétrica (o no centrado) con alta variabilidad en la edad (entre 30 y 43 años se concentra la edad de la mayoria de los empleados).
-> De acuerdo a los indicadores calculados y al histograma E se concluye que los años de antiguedad en el cargo del personal empleado se encuentra entre 0 y 18 años. El 50% de los empleados tiene una trayectoria de 3 años en el cargo.Por su parte, los años promedio en un mismo cargo del total de empleados se encuentra en 4,2 años. La desviación de los años de trayectoria en un mismo cargo con respecto al promedio general es de 3,62 años, lo que se traduce en una dispersion importante de los datos. En el histograma E, resalta una distribución asimétrica con alta variabilidad en los años de antiguedad en el cargo.
-> De acuerdo a los indicadores calculados y al histograma F se concluye que el porcentaje de aumento salarial del personal empleado se encuentra entre 11% y 25%. El 50% de los empleados recibe un 15% de aumento salarial al año. Por su parte, el porcentaje de aumento salarial promedio es de 15,2%. La desviación del porcentaje de aumento salarial con respecto al promedio general es de 3,6% , lo que se traduce en una dispersion importante de los datos. En el histograma F, resalta una distribución asimétrica con una variabilidad sobresaliente en el porcentaje de aumento salarial.
Punto No.3 Análisis Bivariado
A continuación se representa graficamente la relación entre las seis varibles elegidas (cualitativas y cuantitativas) y la rotación de personal, con el fin de validar las hipotesis planteadas en el punto No.1 de este análisis exploratorio:
Variables Cualitativas y la rotación
library(summarytools)
ctable(x = data$Genero,y = data$Rotación,chisq = FALSE,headings = TRUE)## Cross-Tabulation, Row Proportions
## Genero * Rotación
## Data Frame: data
##
## -------- ---------- -------------- ------------- ---------------
## Rotación No Si Total
## Genero
## F 501 (85.2%) 87 (14.8%) 588 (100.0%)
## M 732 (83.0%) 150 (17.0%) 882 (100.0%)
## Total 1233 (83.9%) 237 (16.1%) 1470 (100.0%)
## -------- ---------- -------------- ------------- ---------------ctable(x = data$Departamento,y = data$Rotación,chisq = FALSE,headings = TRUE)## Cross-Tabulation, Row Proportions
## Departamento * Rotación
## Data Frame: data
##
## -------------- ---------- -------------- ------------- ---------------
## Rotación No Si Total
## Departamento
## IyD 828 (86.2%) 133 (13.8%) 961 (100.0%)
## Ventas 354 (79.4%) 92 (20.6%) 446 (100.0%)
## RH 51 (81.0%) 12 (19.0%) 63 (100.0%)
## Total 1233 (83.9%) 237 (16.1%) 1470 (100.0%)
## -------------- ---------- -------------- ------------- ---------------ctable(x = data$Horas_Extra,y = data$Rotación,chisq = FALSE,headings = TRUE)## Cross-Tabulation, Row Proportions
## Horas_Extra * Rotación
## Data Frame: data
##
## ------------- ---------- -------------- ------------- ---------------
## Rotación No Si Total
## Horas_Extra
## Si 289 (69.5%) 127 (30.5%) 416 (100.0%)
## No 944 (89.6%) 110 (10.4%) 1054 (100.0%)
## Total 1233 (83.9%) 237 (16.1%) 1470 (100.0%)
## ------------- ---------- -------------- ------------- ---------------require(CGPfunctions)
require(ggpubr)
g7=PlotXTabs2(data,Genero,Rotación,x.axis.orientation = "horizontal",results.subtitle = FALSE,sample.size.label = FALSE, label.text.size = 3)
g8=PlotXTabs2(data,Departamento,Rotación,x.axis.orientation = "horizontal",results.subtitle = FALSE,sample.size.label = FALSE, label.text.size = 3)
g9=PlotXTabs2(data,Horas_Extra,Rotación,x.axis.orientation = "horizontal",results.subtitle = FALSE,sample.size.label = FALSE, label.text.size = 3)
ggarrange(g7, g8, g9,labels = c("G", "H","I"),ncol = 2, nrow = 2)
Del análisis bivariado anterior (tablas y los gráficos G,H e I), se concluye lo siguiente:
1. Género y Rotación: El 17% del total de hombres empleados si rotaron en la empresa (150 hombres). Este dato supera el porcentaje de mujeres que rotaron (14.8%, es decir, 87 mujeres rotaron). En términos generales, el 63,3% de las personas que rotaron en la empresa fueron hombres (150 personas de las 237 personas que rotaron). Mientras que el 36,7% restante correspondieron a mujeres. Con este resultado, se comprueba la hipótesis planteada inicialmente: “Las mujeres tienen menor posibilidad de rotar que los hombres”.Ver Gráfico G
2. Departamento y Rotación: El 20,6% del total de personas que labora en el Departamento de Ventas ha rotado de la empresa (92 empleados). Este resultado es superior a los datos reportados en el Departamento de Recursos Humanos (19% si rotan) e Investigación y desarrollo (13,8% si rotan).Por ende, se comprueba la hipótesis planteada:“El personal del departamento de ventas tiene mayor posibilidad de rotar frente al personal de otras áreas de la empresa”.Ver Gráfico H
3. Horas extras y Rotación: El 30,5% de las personas que realizan horas extras en la empresa, si rotan, mientras que sólo el 10,4% de las personas que no realizan horas extras, lo hacen. Por lo tanto, se comprueba la hipótesis planteada:“Las personas que trabajan horas extras tienen mayor posibilidad de rotar respecto a las que no realizan horas extras laborales”.Ver Gráfico I
Variables Cuantitativas y la rotación
4. Edad y Rotación
En el gráfico que se muestra a continuación, se observa que la medida de tendencia central es diferente, es decir, que hay diferencia entre la edad de las personas que rotan y las que no lo hacen. La edad de las personas que si rotan oscila entre 18 y 55 años y la mediana es de 32 años. Mientras que la edad de las personas que no rotan oscila entre 18 y 60 años y la mediana es de 36 años. Dentro de las personas que si rotan, destacan dos casos atípicos, una persona con 56 y 58 años de edad respectivamente.
Finalmente resalta que el 75% de las personas que si rotan tienen 39 años o menos. Mientras que el 50% de las personas que no rotan se concentra principalmente en empleados con edades entre Q1= 31 y Q3=43 años. Con este resultado, se comprueba la hipótesis planteada inicialmente: “A mayor edad de los empleados menor posibilidad de rotar en la empresa”.
g10 = ggplot(data,aes(x=Rotación,y= Edad,fill=Rotación))+geom_boxplot()+theme_bw()
g11 = ggplot(data,aes(x=Rotación,y=Antigüedad_Cargo,fill=Rotación))+geom_boxplot()+theme_bw()
g12 = ggplot(data,aes(x=Rotación,y=Porcentaje_aumento_salarial,fill=Rotación))+geom_boxplot()+theme_bw()
ggplotly(g10)5. Antiguedad en el cargo y Rotación
En el siguiente gráfico, se observa que la medida de tendencia central es diferente, es decir, que hay diferencia entre los años de antiguedad en el cargo de las personas que rotan y las que no lo hacen. La antiguedad en el cargo de las personas que si rotan oscila entre 0 y 10 años y la mediana es de 2 años de antiguedad. Mientras que la antiguedad en el cargo de las personas que no rotan oscila entre 0 y 15 años y la mediana es de 14 años de antiguedad en el cargo. Dentro de las personas que si rotan, destacan cuatro casos atípicos, personas con antiguedad de 12, 13 ,14 y 15 años. En el gráfico también destaca que hay mayor espectro de variación en los años de antiguedad de las personas que no rotan.
Finalmente resalta que el 75% de las personas que si rotan tienen 4 o menos años de antiguedad en el cargo. Mientras que el 75% de las personas que no rotan tienen 7 o menos años de antiguedad en el cargo. Con este resultado, se comprueba la hipótesis planteada inicialmente: “El personal con mayor antiguedad en el cargo tiene menor probabilidad de rotar respecto a los que tienen mmenos años de antiguedad en el cargo”
ggplotly(g11)6. Porcentaje de incremento salarial y Rotación
En el gráfico siguiente, se observa que la medida de tendencia central es igual, es decir, que la mediana del porcentaje de aumento salarial para las personas que rotan y las que no lo hacen es de 14%. Sin embargo hay mayor espectro de variación en el porcentaje de aumento salarial de las personas que no rotan.Al menos el 75% de las personas que si rotan llevan 17,25 años de antiguedad en el cargo y al menos el 75% de las personas que no rotan llevan 18 años de antiguedad en el cargo. En sintesis, no se evidencia diferencia significativa entre un grupo y otro, por ello,se rechaza la hipótesis planteada inicialmente: “Las personas beneficiadas de un mayor incremento laboral tienen menor posibilidad de rotar frente a las personas cuyo incremento salarial es menor”
ggplotly(g12)Conclusiones y estrategias para retener el personal de la empresa
De acuerdo al análisis exploratorio de datos realizado en las secciones anteriores, se concluye que, el género, el departamento en el cual se labora, la realización de horas extras, la edad y la antiguedad en el cargo influyen en la rotación de personal de la empresa. Por el contrario, el porcentaje de aumento salarial que un empleado reciba no tiene relación directa con la rotación de personal.
Ante este panorama encontrado se proponen las siguientes estrategias de retención de personal en la empresa:
1.Para disminuir la rotación voluntaria de los hombres y mantener el personal femenino de la empresa se podria implementar una estrategia de becas del 100% para formación profesional, en las áreas de interés de los empleados y la empresa, para que esto sea un incentivo de continuidad. También, se podria hacer un reajuste en los salarios y bonificaciones para que estos se encuentren por encima del promedio de la misma industria o sector en el cual se encuentra la empresa.
2.Para evitar que el personal que labora en el departamento de ventas rote, se pueden implementar diversas estrategias, entre ellas: 1) Incrementar el porcentaje de comision por ventas, 2) dar premios al mejor empleado (a) de esta área,3)procesos de capacitación y formación continua, 4) promoveer el ascenso del personal de ventas hacia los cargos ejecutivos o directivos,5)Bonificaciones especiales al final del año o 6) bonificaciones de acuerdo a los resultados e incentivos económicos que puedan ser por cumplimiento de etas logros o utilidades netas de la compañia.
3.Para disminuir la rotación de personas que realizan horas extras, se debe implementar una estrategia integral que incluya el mejoramiento de los procesos en donde se esta requiriendo personal para cubrir labores por fuera de su horario habitual, si se mejoran los procesos , se necesitaran en menor medida la realización de horas extras. También, para las personas que realizan frecuentemente horas extras se les debería brindar incentivos económicos y laborales significativos, entre ellos, incremento del valor de la hora extra, brindar permisos especiales, actividades de socializacion con familias, dias adicionales en sus vacaciones anuales,entre otros.
4.Para retener a los empleados más jóvenes se pueden implementar estas estrategias: brindar ayudas para estudios universitarios y cursos para su desarrollo y experiencia laboral, brindar auxilio de transporte, tener una adecuada nivelación de escala salarial, generar actividades de bienestar laboral, por ejemplo, los viernes trabajar desde casa “modo online”, que haya flexibilidad en el vestido, en los horarios de trabajo y su comportamiento, que hayan promociones al interior de la compañia y ascensos, entre otros.
5.Para evitar que las personas con menor antiguedad en el cargo roten se podria implementar una estrategia de plan carrera en la empresa en donde haya capacidad de ascenso de cargo, en la medida que existan vacantes se deba revisar al interior de la empresa para poder retener talento de la organización.
Adicional a estas estrategias se recomeind a analizar otro tipo de variables que quizá puedan tener mayor influencia en la rotación voluntaria del personal de la empresa como ingresos mensuales devengados, satisfacción laboral, entre otros.