Con base en los datos de rotación realizar los puntos 1 a 4:

library(readxl)
Rotacion=read_excel("C:/Users/Asus/Downloads/Datos_Rotacion copy.xlsx")
View(Rotacion)
names(Rotacion)
##  [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"

Paso 1: Seleccionar 3 variables categóricas (distintas de rotación) y 3 variables cuantitativas, que consideren estén relacionadas con la rotación.

  1. Edad (Cuantitativa):Las personas jóvenes son más propensos a la rotación que una persona de edad avanzada.
  2. Ingresos Mensuales (Cuantitativa): El salario motiva a que un empleado cambie su trabajo para mejorar su nivel de vida
  3. Porcentaje de Aumento Salarial: Esta variable influye en la permanencia de un empleado pues verá en cuánto puede aumentar sus ingresos si conserva su empleo. 4.Satisfacción laboral (Cualitativa): La personas que se sienten realizadas en su trabajo son propensos a permanecer.
  4. Cargo (Cualitativa): Un cargo alto se puede traducir en un mayor salario, mejores condiciones, lo que puede hacer permanecer a los empleados.
  5. Viajes de negocios (Cualitativa): Viajar constantemente puede ser tentativo para permanecer en una empresa o cambiarse.

Paso 2: Realizar un análisis univariado (caracterización). Nota: Los indicadores o gráficos se usan dependiendo del tipo de variable (cuanti o cuali). Incluir interpretaciones de la rotación.

require(ggplot2)
require(ggpubr)
require(plotly)
require(summarytools)
require(CGPfunctions)

#Rotacion vs Edad
g1=ggplot(Rotacion,aes(x=Edad))+geom_histogram()+theme_bw()

#Rotacion vs Ingresos Mensuales
g2=ggplot(Rotacion,aes(x=Ingreso_Mensual))+geom_histogram()+theme_bw()

#Rotacion vs Porcentaje de aumento Salarial
g3=ggplot(Rotacion,aes(x=Porcentaje_aumento_salarial))+geom_histogram()+theme_bw()

ggarrange(g1, g2, g3, labels = c("A", "B", "C"),ncol = 3, nrow = 1)

#Rotación vs Satisfaccion laboral
g4=ggplot(Rotacion,aes(x=`Satisfación_Laboral`))+geom_bar()+theme_bw()

#Rotación vs Cargo
g5=ggplot(Rotacion,aes(x=`Cargo`))+geom_bar()+theme_bw()

#Rotación vs Viajes de negocio
g6=ggplot(Rotacion,aes(x=`Viaje de Negocios`))+geom_bar()+theme_bw()

ggarrange(g4, g5, g6, labels = c("D", "E", "F"),ncol = 3, nrow = 1)

descr(Rotacion$Ingreso_Mensual,stats = "common")
## Descriptive Statistics  
## Rotacion$Ingreso_Mensual  
## N: 1470  
## 
##                   Ingreso_Mensual
## --------------- -----------------
##            Mean           6502.93
##         Std.Dev           4707.96
##             Min           1009.00
##          Median           4919.00
##             Max          19999.00
##         N.Valid           1470.00
##       Pct.Valid            100.00
descr(Rotacion$Edad,stats = "common")
## Descriptive Statistics  
## Rotacion$Edad  
## N: 1470  
## 
##                      Edad
## --------------- ---------
##            Mean     36.92
##         Std.Dev      9.14
##             Min     18.00
##          Median     36.00
##             Max     60.00
##         N.Valid   1470.00
##       Pct.Valid    100.00
descr(Rotacion$Porcentaje_aumento_salarial,stats = "common")
## Descriptive Statistics  
## Rotacion$Porcentaje_aumento_salarial  
## N: 1470  
## 
##                   Porcentaje_aumento_salarial
## --------------- -----------------------------
##            Mean                         15.21
##         Std.Dev                          3.66
##             Min                         11.00
##          Median                         14.00
##             Max                         25.00
##         N.Valid                       1470.00
##       Pct.Valid                        100.00

Paso 3: Realizar un análisis bivariado (siempre contra la rotación). Nota: Los indicadores y gráficos se usan dependiendo 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.

require(CGPfunctions)
#Variables Cuantitativas vs Rotacion
g1=ggplot(Rotacion,aes(x=Rotación,y=Ingreso_Mensual,fill=Rotación))+geom_boxplot()+theme_bw() 
g1

g2=ggplot(Rotacion,aes(x=Rotación,y=Edad,fill=Rotación))+geom_boxplot()+theme_bw()
g2

g3=ggplot(Rotacion,aes(x=Rotación,y=Porcentaje_aumento_salarial,fill=Rotación))+geom_boxplot()+theme_bw() 
g3

#Variables Cualitativas vs rotacion
g4=PlotXTabs(Rotacion, Rotación, `Viaje de Negocios`, "percent")

g5=PlotXTabs(Rotacion, Rotación, `Satisfación_Laboral`, "percent")

g4=PlotXTabs(Rotacion, Rotación, `Cargo`, "percent")

Paso 4: En las conclusiones se discute sobre cual seria la estrategia para disminuir la rotación en la empresa.

Se concluye que os empleados con salarios bajos son más propensos a la rotacion, por lo que se recomienda mejorar las condiciones laborales de los trabajadores, mejorar el porcentaje de aumento salarial. En cuanto a la variable edad se evidencia que los trabajadores jóvenes son quiénes muestran mayor número de rotaciones, por lo que se recomienda crear incentivos, no sólo económicos, sino también oportunidades de ascender y formarse. En cuanto a los cargos, existen tres que generan mayor rotación: Ejecutivo de Ventas, Investigador Científico y Técnico de Laboralmente.