Business Intelligence · Ejercicio de análisis de datos con IA
Quién se va, por qué se va y qué hacer antes de que pase.
Un estudio de People Analytics sobre 2,500 empleados de una empresa latinoamericana con operaciones en seis países. Va del dato crudo al plan de acción: creación del set de datos, análisis descriptivo, dashboard interactivo, modelo de predicción de salidas y recomendaciones por país y puesto.
El ejercicio, en el orden en que se pide
Cada parte muestra el prompt original, el resultado y una lectura en palabras simples. Todo se calcula en vivo a partir del mismo archivo CSV, así que las cifras coinciden entre páginas.
- 01Fase 1. Creación de datos sintéticosAbrirEl set de 2,500 empleados, las primeras filas, el resumen estadístico, el diccionario de datos y los archivos para descargar (CSV y XLSX).
- 02Fase 2. Análisis de datosAbrirEmpleados por país y género, brecha salarial con diagramas de caja, desgaste por país y las causas del desgaste en Guatemala con la matriz de correlaciones.
- 03Dashboard interactivoAbrirDiez visualizaciones con filtros por país, departamento, género, modalidad, nivel y estado. Cada gráfico se explica solo con los datos filtrados.
- 04Extra. Modelo predictivo y plan de acciónAbrirQué variables pesan más en que alguien deje la empresa, qué puestos tienen mayor probabilidad de salida en cada país, un simulador de riesgo y el plan prescriptivo.
- 05TutorialAbrirCómo usar este sitio y cómo repetir el ejercicio paso a paso en ChatGPT, Claude, Julius, Manus, GenSpark y Polymer, con los prompts listos para copiar.
Lo que dicen los datos
Cinco conclusiones que se sostienen en los gráficos. Las cifras se calculan al cargar la página.
- Cargando datos
Archivos
Descargas
El CSV es el mismo archivo que usa todo el sitio y el que se sube a cada herramienta de IA en el tutorial. El Excel trae el diccionario de datos y el resumen estadístico.
Método
Cómo se hizo
El set de datos se generó con un script de Python con semilla fija, siguiendo las condiciones del enunciado: relaciones realistas entre engagement, horas extra, calificación del gerente, antigüedad y desgaste. El modelo se entrenó con scikit-learn y los gráficos se dibujan en el navegador con Plotly. Los datos son simulados y no describen a ninguna persona ni empresa real.