Importación de los dos conjuntos de datos

Para hacer análisis con datos de RR. HH., a menudo tendrás que combinar o unir datos de distintas fuentes. En este capítulo, empezarás con unos datos base de RR. HH. y los unirás con datos de evaluaciones de desempeño para poder comprobar algunas hipótesis sobre diferencias en las calificaciones de desempeño entre grupos.

Antes de eso, tómate un momento para revisar los dos conjuntos de datos con los que trabajarás en este capítulo.

Este ejercicio forma parte del curso

Analítica de RR. HH.: Exploración de datos de empleados en R

Instrucciones del ejercicio

Carga los paquetes dplyr y readr.
Importa "performance_data.csv" y "hr_data.csv" usando read_csv(). Asígnalos a performance_data y hr_data, respectivamente.
Usa summary() para obtener una visión general de cada conjunto de datos.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Load the packages
___
___

# Import the data
hr_data <- ___
performance_data <- ___

# Examine the datasets
___
___

Editar y ejecutar código

Este ejercicio forma parte del curso

Analítica de RR. HH.: Exploración de datos de empleados en R

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

En este capítulo, tendrás una introducción a cómo se usa la ciencia de datos en el contexto de recursos humanos. Después, profundizarás en un estudio de caso donde analizarás y visualizarás datos de reclutamiento para determinar qué fuente de nuevos candidatos produce finalmente las mejores incorporaciones. El conjunto de datos que usarás en este y en los demás capítulos del curso es sintético, para mantener la privacidad de los empleados reales.

Exercise 1: ¡Bienvenido al curso!Exercise 2: Aplicaciones de la analítica de recursos humanos (HR)Exercise 3: Explorando los datos de selección Exercise 4: Reclutamiento y calidad de la contratación Exercise 5: Identificar grupos en los datos Exercise 6: Cifras de ventas por fuente de contratación Exercise 7: Tasas de rotación por fuente de reclutamiento Exercise 8: Visualizar los datos de reclutamiento Exercise 9: Visualizar las diferencias en el rendimiento de ventas Exercise 10: Visualizar las diferencias de rotación Exercise 11: Sacar conclusiones

Gallup define a los empleados comprometidos como aquellos que están involucrados, entusiasmados y comprometidos con su trabajo y su lugar de trabajo. Existe desacuerdo sobre la intensidad de la relación entre la implicación de los empleados y los resultados del negocio, pero la idea es que los empleados más implicados serán más productivos y permanecerán más tiempo en la organización. En este capítulo, estudiarás posibles razones por las que las puntuaciones de implicación de un departamento son más bajas que las del resto.

Exercise 1: Analizando la implicación de los empleados Exercise 2: Importar los datos de la encuesta Exercise 3: ¿Qué departamento tiene el nivel de compromiso más bajo?Exercise 4: Comparar otros factores por departamento Exercise 5: Visualizar los datos de compromiso Exercise 6: Visualizar varias variables a la vez Exercise 7: Visualizar varias variables a la vez con facetas Exercise 8: Sacar conclusiones a partir de gráficos Exercise 9: ¿Esa diferencia tiene significado?Exercise 10: Significación estadística: empleados descomprometidos Exercise 11: Significación estadística: días de vacaciones Exercise 12: Sacar conclusiones a partir de las pruebas

Cuando una empresa realiza una nueva contratación, debe determinar cuánto se pagará al nuevo empleado. Si no se tiene cuidado, las nuevas incorporaciones pueden entrar con un salario superior al de quienes ya trabajan en el mismo puesto, lo que puede generar rotación y descontento. En este capítulo, comprobarás si realmente se está pagando más a las nuevas incorporaciones que a los empleados actuales y cómo verificar de nuevo tus observaciones iniciales.

Exercise 1: Pagar con justicia a las nuevas incorporaciones Exercise 2: Importar los datos salariales Exercise 3: ¿Es significativa la diferencia?Exercise 4: Sesgo por variable omitida Exercise 5: Ejemplos de sesgo por variable omitida Exercise 6: ¿Qué otras diferencias existen?Exercise 7: ¿Cómo se ve ahora la diferencia salarial?Exercise 8: ¿Se paga más a las contrataciones por hora?Exercise 9: Regresión lineal Exercise 10: Pago a nuevas incorporaciones: una regresión simple Exercise 11: Pago a nuevas contrataciones: teniendo en cuenta los niveles de puesto Exercise 12: Extraer conclusiones a partir de las pruebas

La gestión del desempeño ayuda a una organización a hacer seguimiento de qué empleados aportan valor adicional, o por debajo de la media, y a compensarlos en consecuencia. Tanto si el desempeño es una calificación como el resultado de un cuestionario, y tanto si se evalúa a los empleados cada año como con más frecuencia, el proceso es en parte subjetivo. Una organización debería comprobar que las calificaciones se otorgan en función del desempeño y no de las preferencias de los responsables, ni de sesgos (conscientes o inconscientes).

Exercise 1: Combinando datos de RR. HH.Exercise 2: Importación de los dos conjuntos de datos

Ejercicio actual

Exercise 3: Uniendo datos de desempeño Exercise 4: Calificaciones de desempeño y equidad Exercise 5: Céntrate en el alto desempeño Exercise 6: Comparar distribuciones de empleados con alto rendimiento Exercise 7: Comprobación de sesgo por omisión de variables Exercise 8: Regresión logística Exercise 9: Regresión lineal y logística Exercise 10: Calificaciones de desempeño: una regresión logística simple Exercise 11: Calificaciones de desempeño: teniendo en cuenta los niveles de puesto Exercise 12: Conclusiones y recomendaciones

En muchas industrias, la seguridad en el lugar de trabajo es un aspecto crítico. Mantener un entorno seguro aporta confianza a los empleados y reduce los costes por compensación de trabajadores y responsabilidades legales. En este capítulo, buscarás explicaciones al aumento de los accidentes laborales.

Exercise 1: Seguridad de los empleados Exercise 2: Importar y unir los datos de accidentes Exercise 3: ¿Dónde es más alta la tasa de accidentes?Exercise 4: ¿Dónde aumentó más la tasa de accidentes?Exercise 5: Centrarse en la ubicación de interés Exercise 6: Centrarte en el lugar del problema Exercise 7: Incorporar más datos Exercise 8: Comprobación de variables omitidas Exercise 9: ¿Ese cambio está aislado a la ubicación con el problema?Exercise 10: Explicar el aumento de accidentes Exercise 11: Usar regresión para identificar los factores de cambio Exercise 12: ¿Qué puedes concluir?Exercise 13: Conclusión