Este estudio forma parte de una investigación basada en datos del ámbito de los Recursos Humanos, con el objetivo de identificar patrones, correlaciones y factores asociados al abandono laboral, la satisfacción profesional y el desarrollo interno.
El análisis se centra en un conjunto de datos que recoge variables clave sobre la plantilla de una organización, incluyendo indicadores de rendimiento, historial laboral, promociones, formación, evaluación y otros aspectos organizativos.
El trabajo se ha desarrollado aplicando el marco de trabajo Agile con metodología Scrum, organizando tareas en sprints, realizando reuniones de seguimiento y gestionando el flujo de trabajo en equipo de forma iterativa y colaborativa.
Fases del análisis:
-
📥 Importación y tratamiento de datos
- Lectura del dataset
HR RAW DATA CLEAN.csv. - Detección y tratamiento de valores nulos con técnicas estadísticas (
SimpleImputer,KNNImputer,IterativeImputer).
- Lectura del dataset
-
📊 Análisis exploratorio (EDA)
- Visualización de variables con
seabornymatplotlib. - Análisis de distribuciones, outliers, correlaciones.
- Visualización de variables con
-
🧮 Consulta analítica
- Segmentación y comparativas entre perfiles.
- Análisis de riesgo de abandono, satisfacción y desarrollo.
-
🧠 Interpretación y síntesis
- Conclusiones fundamentadas y recomendaciones accionables.
-
🎤 Presentación de resultados
- Comunicación clara y visual a través de Canva.
- https://www.canva.com/design/DAGpY6S5e70/9goSn0AFUDrdxB_i_VhJYQ/edit?utm_content=DAGpY6S5e70&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton
| Categoría | Herramientas principales |
|---|---|
| Lenguaje y entorno | Python, Jupyter Notebook |
| Librerías | pandas, numpy, matplotlib, seaborn, sklearn.impute, re |
| Colaboración | GitHub (control de versiones), Slack (comunicación), Zoom (reuniones) |
| Visualización | Canva (presentación final) |
| Soporte técnico | ChatGPT (documentación, revisión técnica, apoyo analítico) |
🔹 Importación y configuración inicial 🔹 Limpieza y tratamiento de datos 🔹 Exploración visual y análisis descriptivo 🔹 Comparativas y correlaciones relevantes 🔹 Conclusiones y síntesis narrativa
Cada sección contiene código comentado, visualizaciones interpretadas y lógica de análisis documentada para garantizar trazabilidad y reproducibilidad.
✔️ Identificación de variables asociadas a la rotación laboral. ✔️ Diferenciación de perfiles según satisfacción, evaluaciones y promociones. ✔️ Visualizaciones claras que facilitan la toma de decisiones estratégicas en RRHH. ✔️ Posible base para modelos predictivos futuros.
📽️ Puedes consultar la presentación de resultados en el siguiente enlace:
👉[ Ver presentación en Canva](https://www.canva.com/design/DAGpY6S5e70/9goSn0AFUDrdxB_i_VhJYQ/edit?utm_content=DA[…]m_campaign=designshare&utm_medium=link2&utm_source=sharebutton)
Todo el análisis, código y documentación está disponible en el repositorio colaborativo: