Quién lo pide: Marta Lindqvist, directora de recursos humanos de Saltmarsh Logistics.
Por qué: siete de las 24 personas de la plantilla del año pasado se han ido, y Marta necesita saber dónde centrar el trabajo de retención antes de la próxima ronda de contratación.
Los datos: employees, la plantilla del año pasado: departamento, antigüedad, salario, horas extra semanales de media, última valoración de desempeño (faltan dos) y si se han ido desde entonces.
Cómo es el resultado final: la rotación por departamento y por tramo de horas extra, la diferencia de valoración entre quienes se fueron y quienes se quedaron, una prueba sobre la antigüedad, un modelo logístico de la salida según las horas extra y la antigüedad, y un gráfico con etiquetas. Cada tasa va acompañada de su recuento, porque los grupos son pequeños.
Las preguntas de análisis de personas son preguntas con pocos datos: 24 empleados, 7 salidas. Cada tasa depende de unas pocas personas, así que pon los recuentos junto a las tasas, haz una prueba antes de afirmar una diferencia y di lo que los datos no pueden mostrar. Este proyecto también presenta la regresión logística, glm(..., family = binomial), el modelo habitual para un resultado de sí o no como "se fue en el plazo de un año". Cada paso se añade al mismo script.