La rotación de personal es un indicador que debe ser estudiado con mucha atención en una empresa, ya que puede representar altos costos derivados de las salidas y la contratación de nuevos empleados, así como la probabilidad de un clima laboral desfavorable.

Datos de Rotación

Lectura de datos de rotación

library(readxl)
Datos_Rotacion <- read_excel("C:/Users/melan/Desktop/Actividad Alex/Datos_Rotacion.xlsx")
names(Datos_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"

Punto 1

Seleccionar 3 variables categóricas (distintas de rotación) y 3 variables cuantitativas, que consideren estén relacionadas con la rotación. Nota: Justificar por que estas variables están relacionadas y que tipo de relación se espera (Hipótesis). Ejemplo: Se espera que las horas extra se relacionen con la rotación ya que las personas podrían desgastarse mas al trabajar horas extra y descuidan aspectos personales. La hipótesis es que las personas que trabajan horas extra tienen mayor posibilidad de rotar que las que no trabajan extra. (serian 6, una por variable).

Hipótesis sobre la posibilidad de rotación de los empleados

Punto 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.

library(ggplot2)
library(ggpubr)
#Frecuencia de rotación
print(paste("El", prop.table(table(Datos_Rotacion$Rotación))[1]*100,"% del personal no ha rotado, en cambio, el",prop.table(table(Datos_Rotacion$Rotación))[2]*100,"% sí ha rotado."))
## [1] "El 83.8775510204082 % del personal no ha rotado, en cambio, el 16.1224489795918 % sí ha rotado."
g1=ggplot(Datos_Rotacion,aes(x=Rotación))+geom_bar(fill="royalblue")+theme_bw()+theme(axis.text.x = element_text(angle = 90))
Rotacion=ggarrange(g1, size=0.1)
Rotacion

El nivel de rotación en la empresa representa aproximadamente el 16% del total de empleados, lo que equivale a decir que 16 de cada 100 empleados deciden rotar en la empresa. Aunque, este no es un valor tan elevado, sí parece haber un nivel de rotación sustancial, por lo que a la empresa le conviene investigar cuál es la razón para que sus empleados no permanezcan.

En aras de entender la posibles causas de rotación, conviene caracterizar al personal, esto servirá como insumo al contrastar con las hipótesis planteadas anteriormente. En la gráfica A se observa que, la satisfacción laboral del personal está dividida en dos grupos, un grupo tiene satisfacción laboral de 1 y 2, el otro grupo tiene satisfacción laboral de 3 y 4. En la gráfica B,la mayoría del personal califica el equilibrio entre lo laboral y su vida en 3, esto no genera una alerta de mejora en este aspecto. La gráfica C indica que la mayoría del personal es casado, seguido de los solteros y por último los divorciados, aunque estos dos úlimos tienen frecuente similar. Las gráficas D, E y F, indican que; la mayoría del personal tienen edad entre 28 y 40 años, la mayoría de empleados viven cerca del trabajo y la mayoría tienen porcentajes bajos de aumento salarial; respectivamente.

#Frecuencia por satisfacción laboral, equilibrio, estado civil, edad, distancia a casa y % de aumento salarial.
g2=ggplot(Datos_Rotacion,aes(x=Satisfación_Laboral))+geom_bar(fill="royalblue")+theme_bw()+theme(axis.text.x = element_text(angle = 90))
g3=ggplot(Datos_Rotacion,aes(x=Equilibrio_Trabajo_Vida))+geom_bar(fill="royalblue")+theme_bw()+theme(axis.text.x = element_text(angle = 90))
g4=ggplot(Datos_Rotacion,aes(x=Estado_Civil))+geom_bar(fill="royalblue")+theme_bw()+theme(axis.text.x = element_text(angle = 90))
g5=ggplot(Datos_Rotacion,aes(x=`Edad`))+geom_histogram()+theme_bw()
g6=ggplot(Datos_Rotacion,aes(x=`Distancia_Casa`))+geom_histogram()+theme_bw()
g7=ggplot(Datos_Rotacion,aes(x=`Porcentaje_aumento_salarial`))+geom_histogram()+theme_bw()

AnalisisUniv=ggarrange(g2,g3,g4,g5,g6,g7, labels = c("A","B","C","D", "E","F"),ncol = 3, nrow = 2)
AnalisisUniv

Punto 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.

library(CGPfunctions)
g1bi=PlotXTabs(Datos_Rotacion, Rotación, Satisfación_Laboral, "percent")

Los datos apoyan la hipótesis planteada ya que, en la medida en que incrementa la satisfacción laboral, entonces, la posibilidad de no rotar es más alta.

g2bi=PlotXTabs(Datos_Rotacion, Rotación, Equilibrio_Trabajo_Vida, "percent")
## Plotted dataset Datos_Rotacion variables Rotación by Equilibrio_Trabajo_Vida

Los datos apoyan la hipótesis planteada ya que, el personal con menor equilibrio entre lo laboral y la vida, tiene una posibilidad de rotar más alta, en contraste con el resto del personal que tiene un mejor equilibrio y los niveles de rotación son más bajos pero similares, por esto, aunque los datos soportan la hipótesis, no es muy evidente.

g3bi=PlotXTabs(Datos_Rotacion, Rotación, Estado_Civil, "percent")
## Plotted dataset Datos_Rotacion variables Rotación by Estado_Civil

Los datos apoyan la hipótesis planteada ya que, el personal soltero tiene la mayor posibilidad de rotación, sin embargo, en la hipótesis se planteó que seguidamente los divorciados y posteriormente los casados, y estos dos últimos casos tienen posibilidades de rotación similares, siendo el personal divorciado con la posibilidad más baja de rotación.

g4bi=ggplot(Datos_Rotacion,aes(x=Rotación,y=Edad,fill=Rotación))+geom_boxplot()+theme_bw()
g5bi=ggplot(Datos_Rotacion,aes(x=Rotación,y=Distancia_Casa,fill=Rotación))+geom_boxplot()+theme_bw()
g6bi=ggplot(Datos_Rotacion,aes(x=Rotación,y=Porcentaje_aumento_salarial,fill=Rotación))+geom_boxplot()+theme_bw()
AnalisisBi2=ggarrange(g4bi,g5bi,g6bi, labels = c("A","B","C"),ncol = 3, nrow = 1)
AnalisisBi2

En la gráfica A se observa que los datos apoyan la hipótesis planteada puesto que, el personal con más posibilidades de rotación capta con más frecuencia las edades bajas (a partir de 27 años) y el personal con menos posibilidades de rotación capta con más frecuencia edades a partir de 31 años.

En la gráfica B se observa que los datos apoyan la hipótesis planteada puesto que, el personal con posibilidades bajas de rotación capta con más frecuencia a los que viven a distancias bajas del trabajo (a partir de 2.3) y los que tienen posibilidades de rotación altas captan con más frecuencia a los que viven más lejos del trabajo (a partir de 2.7).

En la gráfica C se observa que los datos apoyan levemente la hipótesis planteada puesto que, el personal con posibilidades bajas de rotación capta con más frecuencia a los que tienen porcentajes de aumento salarial un poco más altos y los que tienen posibilidades de rotación altas no captan con más frecuencia a los que tienen porcentajes de aumento salarial mayores a 17.

Cabe resaltar que, para determinar si las diferencias observadas son significativas, entonces, se debe emplear las pruebas de hipótesis de la inferencia estadística.

Nota: los valores enunciados son aproximados y bajo el contexto del problema se deben escribir con sus respectivas unidades de medida.

Punto 4

En las conclusiones se discute sobre cual seria la estrategia para disminuir la rotación en la empresa. Ejemplo: Mejorar el ambiente laboral, los incentivos económicos, distribuir la carga de horas extra (menos turnos y mas personal).

De acuerdo con el análisis descriptivo empleado, se recomienda lo siguiente: