Administración de Personal en R

Objetivos

Datos:

Destinatarios

Aclaraciones

Teórico

grab-landing-page

Procedimiento

Paquetes

library(tidyverse)      
library(googlesheets4)  
library(gargle)         
library(funModeling)    
library(kableExtra)
library(tm)
library(lubridate) 
library(datos)
library( hms)
library(rmdformats)

Creamos objetos que vamos a utlizar en diversas oportunidades y solo debemos invocarlos.

blue <- "#344D7E"

fuente <- "Fuente: Elaboración propia"

Primer Caso

Base de Datos

Incorporamos las bases de datos a utilizar. Las mismas las tenemos en el drive:

original_1 <- read_sheet("1_AUDkMkG80ribPRl76M2KWtqwDk_hWiM7IOzKSZ6N14") # 1° hoja
egreso_1 <- read_sheet("1_AUDkMkG80ribPRl76M2KWtqwDk_hWiM7IOzKSZ6N14", sheet = "2") #la 2° hoja

Almacenamos los datos en objeto para evitar usar la base original.

n1<- original_1
e1<- egreso_1

Formateamos nombres de las columnas.

limpios <- make.names(colnames(n1)) 
colnames(n1) <- limpios
rm(limpios) 

limpios <- make.names(colnames(e1)) 
colnames(e1) <- limpios
rm(limpios)

Consultamos el tamaño de nuestro dataset.

dim (n1)
## [1] 31 17

Vemos ahora, si las columnas tienen nombres inadecuados para trabajar. De ser necesario los modificamos.

names(n1)
##  [1] "Legajo"      "Nombre"      "CC"          "Activo"      "Convenio"   
##  [6] "X50."        "X100."       "X100..FT"    "Noc"         "Noc.50."    
## [11] "Noc.100."    "Horas.Viaje" "D.Vianda"    "Vianda"      "Desarraigo" 
## [16] "Enfermedad"  "Vacaciones"

Cambiamos los nombres de las columnas.

n1 <- n1 %>% 
  rename("Hs.Extras.50%" = "X50.")%>% 
  rename("Hs.Extras.100%" = "X100.")%>% 
  rename("Hs.Feriado" = "X100..FT")%>% 
  rename("Hs.Noct" = "Noc")%>% 
  rename("Hs.Noct.50%" = "Noc.50.")%>% 
  rename("Hs.Noct.100%" = "Noc.100.")%>%
  rename("Hs.Viaje" = "Horas.Viaje")%>%
  rename("2°Vianda" = "D.Vianda") %>%
  rename("Centro.Costo" = "CC") 
n1<- n1%>% 
  select(Legajo, Centro.Costo,  Activo, Convenio, `Hs.Extras.50%`, `Hs.Extras.100%`, Hs.Noct, Enfermedad, Vacaciones )

¿ Qué tipo de análisis podemos hacer?

En primer lugar podemos conocer cantidades.

Nomina<- n1 %>% 
  select(Activo) %>%
  mutate(cuenta = 1) %>% 
  group_by(Activo) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)

Nomina
## # A tibble: 2 x 2
##   Activo Cuenta
##   <chr>   <dbl>
## 1 SI         27
## 2 NO          4

Podemos mejorar la visualización.

Nomina$TIP <- c("Podemos destacar algo")

Nomina%>% 
  mutate(Cuenta=text_spec(Cuenta, "html", tooltip=TIP)) %>% 
    select(Activo,Cuenta) %>% kable("html", escape=F) %>% 
    kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
row_spec(0, bold=T, color="white", background = blue) %>% 
  footnote(general = fuente)
Activo Cuenta
SI 27
NO 4
Note:
Fuente: Elaboración propia

Ahora veamos de aquellos que son baja, cuales fueron los motivos de egreso.

names(e1)
## [1] "Legajo"           "Nombre"           "Fecha.de.Ingreso" "Fecha.de.Egreso" 
## [5] "Motivo.de.Egreso"
names(n1)
## [1] "Legajo"         "Centro.Costo"   "Activo"         "Convenio"      
## [5] "Hs.Extras.50%"  "Hs.Extras.100%" "Hs.Noct"        "Enfermedad"    
## [9] "Vacaciones"

Seleccionamos las columnas con las que vamos a trabajar:

e1<- e1%>%
  select(Legajo, Fecha.de.Ingreso, Fecha.de.Egreso, Motivo.de.Egreso)

Luego, unimos las tablas por la columna en comun “Legajo”:

e1 <- left_join(n1, e1, by = "Legajo")

e2<-e1%>%
  select(Legajo:Convenio, Motivo.de.Egreso) %>%   # Usamos rangos, y columnas independientes
  filter(Activo=="NO")  %>%  
  mutate(cuenta = 1) %>% 
  group_by(Motivo.de.Egreso) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)

Finalmente presentamos la información en una tabla:

e2$TIP <- c("Egresos del mes") 

e2%>% 
  mutate(Cuenta=text_spec(Cuenta, "html", tooltip=TIP)) %>% 
    select(Motivo.de.Egreso,Cuenta) %>% kable("html", escape=F) %>% 
    kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
row_spec(0, bold=T, color="white", background = blue) %>% 
  footnote(general = fuente)
Motivo.de.Egreso Cuenta
Desp C/ Causa 1
Despido con causa 1
Despido sin C 1
Renuncia 1
Note:
Fuente: Elaboración propia

Unifiquemos motivos de egreso:

 e2<-  e2 %>%
 mutate(Motivo.de.Egreso = fct_collapse(Motivo.de.Egreso, "Desp C/C" = c("Desp C/ Causa","Despido con causa", "Despido C/C")),
        Motivo.de.Egreso = fct_collapse(Motivo.de.Egreso, "Desp S/C" = c("Despido sin C","Despido sin causa", "Despido S/C")))
e2 %>%   
  mutate(cuenta = 1) %>% 
  group_by(Motivo.de.Egreso) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)%>%
  kable("html", escape=F) %>% 
    kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
row_spec(0, bold=T, color="white", background = blue) %>% 
  footnote(general = fuente)
Motivo.de.Egreso Cuenta
Desp C/C 2
Desp S/C 1
Renuncia 1
Note:
Fuente: Elaboración propia

Segundo Caso

Base de Datos

Incorporamos las bases de datos a utilizar.

original_2 <- read_sheet("1JOrvsv_C6Kn7tCdaAwqDNJjUC2MEdaZ8Ivj3z6rH3ds", skip=1)

Cramos un objeto para manipularlo y evitar usar las bases originales.

n2 <-original_2

Consultamos el tamaño de nuestro dataset.

dim (n2)
## [1] 60 26

¿ Qué buscamos con este archivo?

Consultamos las variables

glimpse(n2)
## Rows: 60
## Columns: 26
## $ `N°Legajo`    <dbl> 11, 31, 134, 152, 158, 167, 173, 183, 190, 205, 217, 220~
## $ Apellido      <chr> "apellido1", "apellido2", "apellido3", "apellido4", "ape~
## $ Nombre        <chr> "nombre1", "nombre2", "nombre3", "nombre4", "nombre5", "~
## $ `Mens / Jorn` <chr> "Mensualizado", "Jornalizado", "Jornalizado", "Jornaliza~
## $ Sector        <chr> "EXTRUSION", "EXTRUSION", "EXTRUSION", "EXTRUSION", "REC~
## $ Sem1          <chr> "09 a 18", "18 a 06", "18 a 06", "06 a 18", "10 a 18", "~
## $ Sem2          <chr> "09 a 18", "18 a 06", "18 a 06", "06 a 18", "10 a 18", "~
## $ Sem3          <chr> "Vac", "18 a 06", "06 a 18", "18 a 06", "10 a 18", "06 a~
## $ Sem4          <chr> "09 a 18", "Vac", "06 a 18", "18 a 06", "10 a 18", "06 a~
## $ Sem5          <chr> "09 a 18", "Vac", "18 a 06", "06 a 18", "Vac", "18 a 06"~
## $ `16/12/2021`  <chr> "Vac", "18 a 06", "06 a 18", "18 a 06", "10 a 18", "06 a~
## $ `17/12/2021`  <chr> "Vac", "Aus c/ aviso", "06 a 18", "18 a 06", "10 a 18", ~
## $ `18/12/2021`  <chr> "Vac", "Vac", "06 a 12", NA, NA, "06 a 12", NA, "06:38 a~
## $ `19/12/2021`  <chr> "Vac", NA, NA, NA, NA, NA, "calent 4 hs", NA, NA, NA, NA~
## $ `20/12/2021`  <chr> "09 a 18", "Vac", "06 a 18", "18 a 06", "10 a 18", "06 a~
## $ `21/12/2021`  <chr> "09 a 18", "Vac", "06 a 18", "18 a 06", "10 a 18", "06 a~
## $ `22/12/2021`  <chr> "09 a 18", "Vac", "06 a 18", "18 a 06", "10 a 18", "06 a~
## $ `23/12/2021`  <chr> "09 a 18", "Vac", "06 a 18", "22 a 06", "10 a 18", "06 a~
## $ `24/12/2021`  <chr> "09 a 14", "Vac", "08:02 a 14", NA, "10 a 14", "06 a 14"~
## $ `25/12/2021`  <chr> NA, "Vac", NA, NA, NA, NA, NA, NA, "Vac", "Vac", NA, NA,~
## $ `26/12/2021`  <chr> NA, "Vac", NA, NA, NA, NA, NA, NA, "Vac", "Vac", NA, NA,~
## $ `27/12/2021`  <chr> "09 a 18", "Vac", "18 a 06", "06 a 18", "Vac", "18 a 06"~
## $ `28/12/2021`  <chr> "09 a 18", "Vac", "18 a 06", "06 a 18", "Vac", "18:40 a ~
## $ `29/12/2021`  <chr> "09 a 18", "Vac", "18 a 06", "06 a 18", "Vac", "18 a 06"~
## $ `30/12/2021`  <chr> "09 a 18", "Vac", "18 a 06", "06 a 18", "Vac", "18 a 06"~
## $ `31/12/2021`  <chr> "09 a 18", "Vac", NA, "06 a 18", "Vac", NA, "Aus s/ avis~

Eliminamos columnas que ya sabemos no vamos a usar.

n2<- n2 %>%
  select(everything()) %>%
  select(-Sem1:-Sem5)

Pasamos a mayúsculas, por una cuestión visual.

n2 <- mutate_if(n2, is.factor, toupper)
n2 <- mutate_if(n2, is.character, toupper)

Situación

¿Cómo necesitabamos los datos??

¿Cómo los tenemos ahora?

Para lograrlo aplicamos un poco de magia:

n2<- n2 %>%
  pivot_longer(cols = c(`16/12/2021`:`31/12/2021`), names_to = "Fecha", values_to = "Horario")

Fechas

Veamos las variables:

glimpse(n2)
## Rows: 960
## Columns: 7
## $ `N°Legajo`    <dbl> 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, ~
## $ Apellido      <chr> "APELLIDO1", "APELLIDO1", "APELLIDO1", "APELLIDO1", "APE~
## $ Nombre        <chr> "NOMBRE1", "NOMBRE1", "NOMBRE1", "NOMBRE1", "NOMBRE1", "~
## $ `Mens / Jorn` <chr> "MENSUALIZADO", "MENSUALIZADO", "MENSUALIZADO", "MENSUAL~
## $ Sector        <chr> "EXTRUSION", "EXTRUSION", "EXTRUSION", "EXTRUSION", "EXT~
## $ Fecha         <chr> "16/12/2021", "17/12/2021", "18/12/2021", "19/12/2021", ~
## $ Horario       <chr> "VAC", "VAC", "VAC", "VAC", "09 A 18", "09 A 18", "09 A ~

Pasamos a formato “Fecha”, la columna designada.

n2$Fecha <- format(as.Date(n2$Fecha, format = "%d/%m/%Y"), "%m-%d-%Y") 

n2 <- n2 %>% 
  mutate(Fecha = mdy(Fecha))
n2 <- n2 %>%
mutate(`Dia` = wday(n2$Fecha,label = TRUE, abbr = FALSE))


glimpse(n2)
## Rows: 960
## Columns: 8
## $ `N°Legajo`    <dbl> 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, ~
## $ Apellido      <chr> "APELLIDO1", "APELLIDO1", "APELLIDO1", "APELLIDO1", "APE~
## $ Nombre        <chr> "NOMBRE1", "NOMBRE1", "NOMBRE1", "NOMBRE1", "NOMBRE1", "~
## $ `Mens / Jorn` <chr> "MENSUALIZADO", "MENSUALIZADO", "MENSUALIZADO", "MENSUAL~
## $ Sector        <chr> "EXTRUSION", "EXTRUSION", "EXTRUSION", "EXTRUSION", "EXT~
## $ Fecha         <date> 2021-12-16, 2021-12-17, 2021-12-18, 2021-12-19, 2021-12~
## $ Horario       <chr> "VAC", "VAC", "VAC", "VAC", "09 A 18", "09 A 18", "09 A ~
## $ Dia           <ord> jueves, viernes, sábado, domingo, lunes, martes, miércol~

Modificamos las columnas, por una cuestión visual.

limpios <- make.names(colnames(n2)) 
colnames(n2) <- limpios
rm(limpios)

Cambiamos los nombres de las columnas, según los intereses del cliente.

n2 <- n2 %>% 
  rename("Legajo" = "N.Legajo")%>%
  rename("Agrupación1" = "Mens...Jorn")%>%
  rename("Agrupación2" = "Sector")

Tenemos dos columnas para Nombre y Apellido. Sería mejor tener una sola.

n2<- within(n2, 'Apynom' <- paste(Apellido, Nombre, sep=' '))

Y luego, solo me quedo con 1 sola columna.

n2<- n2 %>%
  select('Legajo', 'Apynom',everything()) %>%
  select(-Apellido, -Nombre) %>%
  arrange(Apynom)

grab-landing-page

Licencias

Limpiamos y ordenamos las licencias.

n2<- n2 %>%
  mutate(Licencia=Horario)%>%
  mutate(Lic=0)


n2<- n2%>%
  mutate(Licencia= str_trim(Licencia,side = "both"),
         Licencia =  fct_collapse(Licencia, "Vacaciones" = "VAC"),
         Licencia =  fct_collapse(Licencia, "Enfermedad" = "ENFERMO"),
         Licencia =  fct_collapse(Licencia, "Aus C/A" = "AUS C/ AVISO"),
         Licencia =  fct_collapse(Licencia, "Aus C/P" = "AUS C/ PERM"),
         Licencia =  fct_collapse(Licencia, "Aus S/A" = "AUS S/ AVISO"),
         Licencia =  fct_collapse(Licencia, "Vacunación" = "VACUNACION"),
         Licencia =  fct_collapse(Licencia, "Domingos" = c("CALENT 4 HS","CALENT 4HS")))

n2<-n2 %>%
mutate(Lic = if_else(Licencia=="Vacaciones"|Licencia=="Enfermedad"|Licencia=="Vacunación"|Licencia=="Aus C/A"|Licencia=="Aus C/P"|Licencia=="Aus S/A"|Licencia=="Domingos", 1 ,0))

n2$Licencia[n2$Lic==0]<-0

n2<- n2%>% 
  select(everything(), -Lic)

Horas

Columna Horario:

Pasarlo a 1 Columna:

n2 <- n2 %>%
  mutate%>%
    separate(Horario,c("Entrada","Salida"), sep=" A ",extra="merge",fill="left")

n2$Entrada<-as.numeric(n2$Entrada)
n2$Salida<-as.numeric(n2$Salida)

Definimos objetos necesarios, para trabajar con horas extras.

hs_semana_jornal<- 8
hs_sabado_jornal<- 6
n2<- n2 %>% 
  mutate(
    `cod` = case_when( 
       Dia == "domingo" ~ 1,
       Dia == "sábado" ~ 3,
      TRUE ~ 2
    )
  )

Parametrizamos las columnas releacionadas con horas extras.

#1=Domingo
#2=Semana
#3=sabado 

n2<-n2 %>%
mutate(hs50 = if_else(cod == 2& Salida<Entrada, ((24-Entrada)+(0+Salida))-hs_semana_jornal,(if_else(cod == 2& Entrada<Salida, (Salida-Entrada)-hs_semana_jornal, 0))),
       hs100 =if_else(cod == 1& Salida<Entrada, (24-Entrada)+(0+Salida),(if_else(cod == 1& Entrada<Salida, (Salida-Entrada), 0))))

Hacemos lo mismo con horas nocturnas.

n2<-n2 %>%
mutate(Noc = if_else(Salida >21, (Salida-21),
             if_else(Entrada >21,(24-Entrada)+(0+Salida),0)))

Si la persona trabaja un feriado, tenemos que considerar dichas horas.

Comenzamos configurando los días feriados.

calendario <- data.frame(
  date = seq(ymd("2021-12-01"), ymd("2021-12-31"), by = 1), evento = 0)


feriados <- c(ymd("2021-12-25"), ymd("2021-12-08"))

calendario[calendario$date %in% feriados, "evento"] <- "Feriado" 

calendario <- calendario %>% 
  rename("Fecha" = "date")

Luego, identificamos los dias feriados de nuestro archivo de trabajo.

n2<-left_join(n2, calendario, by = "Fecha")

n2 <- n2 %>% 
  rename("Feriado" = "evento")

Por ultimo, si trabajó un feriado, remplazamos las horas trabajadas, en una columna creada a tal efecto.

n2<- n2 %>%
mutate(Feriado = if_else(Feriado == "Feriado" & Entrada>0,Salida-Entrada,0))

#No hay feriados en la base original
n2 %>%
  select(Legajo,Fecha,Feriado)%>%
  filter(Feriado>0)
## # A tibble: 0 x 3
## # ... with 3 variables: Legajo <dbl>, Fecha <date>, Feriado <dbl>

Licencias parte II

Seguimos trabajando con Licencias, hasta ahora los tenemos asi:

…Hacemos un poco de magia para ordenarlas.

n2%>%
  select(Licencia) %>%
  mutate(cuenta = 1) %>% 
  group_by(Licencia) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)
## # A tibble: 8 x 2
##   Licencia   Cuenta
##   <fct>       <dbl>
## 1 <NA>          777
## 2 Vacaciones    134
## 3 Aus C/A        15
## 4 Enfermedad     15
## 5 Vacunación      8
## 6 Aus S/A         7
## 7 Aus C/P         2
## 8 Domingos        2
n2<-n2%>%
 mutate(cuenta = 1)

n2<-n2  %>% 
pivot_wider(names_from = Licencia, values_from = cuenta)

Mejoramos la visualización de las columnas.

limpios <- make.names(colnames(n2)) 
colnames(n2) <- limpios
rm(limpios)

Ingreso Masivo

¿Se acuerdan nuestro objetivo Inicial?

Resultado Final:

n2<-n2 %>%
  pivot_longer(cols = c(`hs50`:`Domingos`), names_to = "concepto", values_to = "cantidad")%>%
    select(Legajo, Apynom,Fecha, concepto, cantidad )%>%
  filter(cantidad>0)%>%
  filter(concepto!='NA.')
fin<- n2%>%
  select(Legajo, concepto,  cantidad) %>%
  rename("Concepto"= "concepto")%>%
  group_by(Legajo,Concepto) %>%
  summarise(Cantidad = sum(cantidad))

grab-landing-page