Este proyecto simula un escenario real de consultoría profesional para una empresa cliente ubicada en Estados Unidos. Debido a la naturaleza internacional del encargo:
- La documentación técnica está en español.
- El modelo de datos, métricas y dashboards en Power BI están en inglés.
El objetivo principal es identificar patrones de rotación y proporcionar soluciones accionables basadas en datos para reducir la fuga de talento.
El proyecto se organiza de forma modular para facilitar la auditoría y replicabilidad:
CONSULTORÍA/: Contiene las diapositivas de presentación y el informe ejecutivo con acciones clave para RRHH.EDA_LIMPIEZA_ANALISIS_SQL/:Fase_1_EDA.ipynb: Exploración inicial de datos.Fase_2_limpieza_datos.ipynb: Limpieza y preprocesamiento dehr_raw_data.csv.Fase_3_analisis_descriptivo.ipynb: Análisis profundo y visualización estática.Fase_4_codigo_sql.ipynb&Fase_4_bbdd_sql.sql: Implementación de la base de datos en MySQL.
VISUALIZACIÓN/: Dashboard interactivo (.pbix) desarrollado en Power BI.images/: Recursos visuales y capturas del proyecto.
- Análisis y Limpieza: Python (
pandas,numpy,matplotlib,seaborn). - Base de Datos: MySQL.
- Business Intelligence: Power BI Desktop (DAX & Power Query).
A través del análisis, detectamos puntos críticos de abandono en la organización:
⚠️ El "Abismo del Talento": Empleados de alto desempeño, sin acciones (stock options) y con más de 4 años sin promoción presentan una tasa de rotación del 31.82%.- 📍 Impacto de la Distancia: Los trayectos de 12 a 28 km incrementan significativamente la probabilidad de renuncia.
- 🕒 Jornada Laboral: El personal part-time representa el 62% de las salidas de la empresa.
- 🎂 Factor Edad: La mayor rotación se concentra en jóvenes entre 18 y 22 años, mientras que la estabilidad máxima ocurre entre los 38 y 41 años.
- Plan de Carrera 360º: Especialmente para roles con alta rotación como Sales Representatives y Human Resources.
- Incentivos Estratégicos: Ofrecer stock options (niveles 1-2) para reducir la fuga de talento clave.
- Flexibilidad Geográfica: Implementar modelos híbridos para empleados que viven lejos de la oficina.
Este proyecto fue desarrollado por:
- ARIANA CALDEIRA | GitHub
- ELENA PAVÓN | GitHub
- MARÍA GÓMEZ | GitHub
- MICAELA LAFRATTA | GitHub
- NIEVES PÉREZ | GitHub
Nota del Profe: "Los datos no mienten, pero solo dicen la verdad si haces las preguntas correctas". Este proyecto es una prueba de ello.