Saltar al contenido
People Analytics

Extra · Análisis probabilístico y prescriptivo

Predecir quién se va y decidir qué hacer.

El análisis descriptivo cuenta lo que ya pasó. Esta parte da dos pasos más: un modelo que estima la probabilidad de que cada persona deje la empresa, y un plan de acción por país y puesto construido sobre lo que el modelo encontró.

-AUC1.00 es perfecto, 0.50 es azar
-Sensibilidadde quienes se fueron, cuántos detectó
-Precisiónde sus alertas, cuántas acertó
-Exactitudaciertos sobre el total
-Tasa real de salidael punto de partida
Análisis probabilístico

Cómo se construyó el modelo

En palabras simples: se le muestran al modelo tres de cada cuatro empleados con la respuesta (se fue o no se fue) para que aprenda el patrón, y después se le pide que adivine con la cuarta parte que nunca vio. Lo que acierta en ese examen es lo que se reporta aquí.

Extra · Análisis probabilístico
Necesito que construyas un modelo de predicción de dejó_la_empresa, basado en las variables del set de datos, me indiques cuales son las variables de mayor impacto en dejó_la_empresa y cuáles son los puestos con mayor probabilidad de salida por país

Decisiones del modelo

Qué predice. La columna dejó_la_empresa: Sí o No.

Con qué. variables del set: 17 numéricas y 6 de texto (país, puesto, género, tipo de empleo, modalidad y fuente de reclutamiento).

Qué se dejó fuera y por qué. tipo_de_salida y fecha_de_salida solo existen cuando la persona ya se fue: usarlas sería hacer trampa. bandera_de_desgaste resume a las demás variables y taparía las causas reales; al incluirla el AUC casi no cambia (), así que no hace falta.

Algoritmo. Se compararon tres. Rinden casi igual, así que se eligió la regresión logística porque es la única que explica con claridad cuánto pesa cada variable y en qué dirección.

Una advertencia honesta. meses_antigüedad es la variable más fuerte, pero parte de ese peso es mecánico: quien se fue dejó de acumular meses. Sin ella el AUC baja a , que sigue siendo un buen modelo.

Comparación de algoritmos

Cargando datos

Matriz de confusión en los datos de prueba

Cargando datos

Variables de mayor impacto

¿Qué pesa más en que alguien se vaya?

Dos formas de medirlo. La primera dice cuánto empeora el modelo si se le quita cada variable. La segunda dice en qué dirección empuja cada una.

Figura 1 · Importancia

Cuánto pierde el modelo sin cada variable

Caída del AUC al desordenar la variable en los datos de prueba (importancia por permutación, 30 repeticiones).

Figura 2 · Dirección del efecto

Qué sube y qué baja la probabilidad de salida

Cambio en la razón de momios cuando la variable sube una desviación estándar, con las demás fijas. Arriba de 1 aumenta el riesgo; abajo de 1 lo reduce.

Figura 3 · Curva ROC

Qué tan bien separa a quienes se van de quienes se quedan

Mientras más pegada a la esquina superior izquierda, mejor. La diagonal es adivinar al azar.

Puestos de mayor riesgo

¿Qué puestos tienen mayor probabilidad de salida en cada país?

Para cada persona se calcula su probabilidad con un modelo que no la vio durante el entrenamiento, y se promedia por puesto y país. Solo entran los cruces con al menos 15 personas, para no sacar conclusiones de grupos diminutos.

Figura 4 · Ranking por país

Puestos con mayor probabilidad de salida

Barra: probabilidad promedio según el modelo. Rombo: porcentaje que realmente dejó la empresa.

Figura 5 · Mapa de calor

Probabilidad de salida por puesto y país

Probabilidad promedio según el modelo. En blanco, los cruces con menos de 15 personas.

Simulador

Mueve las palancas y mira cómo cambia el riesgo

El simulador usa los coeficientes reales del modelo. Sirve para responder preguntas del tipo "¿qué pasa si a esta persona le bajamos las horas extra?" o "¿cuánto ayuda un mejor jefe?".

Probabilidad de dejar la empresa
-
0%La marca roja es la tasa real de la empresa100%

El resto de variables se deja en el promedio de la empresa, con contrato de tiempo completo. Es una estimación estadística sobre datos sintéticos, no un veredicto sobre una persona.

Análisis prescriptivo

Plan de acción por país y puesto

Para cada país se toman los tres puestos de mayor riesgo. En cada uno se mira qué factores están peor que el promedio de la empresa y a cada factor le corresponde una acción concreta, con indicador y plazo.

Extra · Análisis prescriptivo
Basado en los resultados del modelo anterior genera una propuesta de plan de acción segmentado para evitar la salida de los puestos determinados como de mayor riesgo por país
-Activos en riesgo alto
18Segmentos priorizados3 puestos por cada uno de los 6 países
-Personas en esos segmentos
-Costo de no actuarsupuesto: reemplazar cuesta 6 meses de salario

Cargando datos

Acciones para toda la empresa

  1. Alerta temprana mensual.Correr el modelo cada mes y entregar a cada gerente la lista de personas de su equipo en riesgo alto, con el factor que más pesa en cada caso.
  2. Los primeros 90 días.Incorporación con mentor y revisiones en la semana 1 y los días 30, 60 y 90. El tramo de menor antigüedad es el de mayor desgaste en todos los países.
  3. Jefes medidos por su equipo.Incluir la calificación del gerente y la rotación del equipo en la evaluación de cada jefe. El desgaste se concentra en equipos concretos.
  4. Tope de horas extra.Límite de 15 horas al mes por persona. Lo que exceda se compensa con tiempo o se resuelve con contratación.
  5. Revisión del quinto año.Conversación de carrera obligatoria al cumplir 54 meses, antes del repunte de desgaste que aparece a partir de los 60.

Cómo medir si funciona

IndicadorHoyMeta a 12 meses
Cargando datos

Las metas son una propuesta razonable para abrir la discusión: una reducción de alrededor de una cuarta parte en un año. Se ajustan con el presupuesto y la prioridad que fije la dirección.