Fase 1 · Creación de datos sintéticos
El set de datos: 2,500 empleados, 34 variables.
Antes de analizar hay que tener qué analizar. Esta fase crea el archivo Empleados_People_Analytics.csv con las columnas y condiciones del enunciado, lo revisa con un resumen estadístico y lo documenta con un diccionario de datos.
El prompt y lo que se generó
Este es el prompt del ejercicio, tal como se le da a la IA. Abajo se comprueba, con el archivo ya generado, que cada condición pedida se cumple.
Actúa como un data scientist senior especializado en People Analytics. Necesito que generes un dataset sintético de 2500 empleados para una empresa latinoamericana. Requisitos: - generar un archivo CSV llamado Empleados_People_Analytics.csv - incluir estas columnas: Id_empleado, país, ciudad, departamento, equipo, nivel_de_trabajo, puesto, id_jefe, género, edad, fecha_contratación, meses_antigüedad, tipo_empleo, modo_trabajo, Salario_quetzales, porcentaje_bono, puntuacion_desempeño, puntuacion_engagement, días_ausentismo, horas_entrenamiento, horas_extra, promoción_últimos_24_meses, movimientos_internos, minutos_de_viaje, calificacion_del_gerente, puntuación_de_bienestar, fuente_de_reclutamiento, tiempo_para_contratar_días, dejó_la_empresa, tipo_de_salida, fecha_de_salida, bandera_de_desgaste, bandera_de_alto_potencial, bandera_de_rol_crítico Condiciones: - países: Guatemala, México, Colombia, Perú, Chile, Argentina - departamentos: Talento Humano, Finanzas, Ventas, Mercadeo, Tecnología, Operaciones, Servicio al Cliente - generar relaciones realistas: - puntuacion_engagement bajo + horas_extra alto + calificación_del_gerente bajo = mayor bandera_de_desgaste - meses_antigüedad muy baja o muy alta puede aumentar bandera_desgaste - puntuacion_desempeño alto no siempre implica alta retención - bandera_de_rol_crítico y bandera_de_alto_potencial deben existir - incluir fechas válidas entre 2020 y 2026 - dejar fecha_de_salida vacía para empleados activos - genera el contenido de todas las variables tipo fecha en formato día/mes/año - exportar el CSV
Comprobación
Las condiciones, verificadas en el archivo
Cargando datos
Cada cifra se calcula en tu navegador sobre el CSV, no está escrita a mano.
Primeras cinco filas y resumen estadístico
Una mirada rápida para confirmar que el archivo se lee bien: que los tipos de dato son los esperados y que los rangos tienen sentido.
Muestra las primeras 5 filas y un resumen estadístico
Primeras 5 filas
Cargando datos
Desliza la tabla hacia la derecha para ver las 34 columnas.
Resumen estadístico de las variables numéricas
Cargando datos
Resumen de las variables de texto
Cargando datos
Diccionario de datos
Cargando la descripción general del set de datos.
Genera un diccionario de datos con las siguientes columnas, Número_de_variable, Variable, Tipo_de_dato, descripción_de_variable. Agrega una descripción general del contenido del set de datos, todo esto en una tabla ordenada
Genera el diccionario en formato xlsx para descargar
Cargando datos
Los 2,500 registros
Busca por código, puesto o ciudad, filtra por país y ordena por cualquier columna haciendo clic en su encabezado.
Cargando datos