portada graficos para rrhh.png

Gráficos 

para RRHH

Cuáles son algunos de los tipos de gráfico que existen y cuál es el más indicado para presentar mi data

10 SEMANAS DE gráficoS aplicadoS para RRHH

A raíz de que hemos implementado Dashboards y Paneles en RRHH, consideramos que la visualización de datos, es igual de importante que el análisis en sí mismo. Hemos seleccionado 10 gráficos que esperamos te sirva para aplicarlo a tus reportes y facilitar la interpretación de tu audiencia.

ver mas
ver mas
ver mas
ver mas

Semana 1: Histograma

 

Tal vez es uno de los gráficos más clásicos representados por barras. Cada barra representa el número de veces (frecuencia) que se observan datos en un rango determinado. Un histograma solo toma como entrada una variable numérica.

 

La variable se divide en varios grupos con la misma amplitud (no se recomienda usar diferentes amplitudes en un mismo gráfico) y el número de observaciones por amplitud se representa mediante la altura de la barra.

 

Nos permite observar la distribución de los datos, por ejemplo, es una distribución normal si se concentran al centro y decrecen hacia los bordes, se presenta uniforme u otro tipos de distribución.

Título del Gráfico

Unidad Eje Y

Unidad Eje X

uSOS PARA RRHH

Los histogramas son de utilidad para graficar variables como la edad o antigüedad de los trabajadores, niveles de desempeño y duración de licencias medicas.

¿Cómo se construye el gráfico?

Para este ejemplo, se muestra la distribución de las edades por grupos con intervalos de cinco años cada uno.

 

En el Eje X (abscisas), los intervalos de edades (grupos de 5 años).

En el Eje Y (ordenadas), el número de personas presentes en la fecha del estudio.

 

Se dibujan rectángulos de anchura proporcional al intervalo (en nuestro caso todos tendrán la misma anchura) y de altura igual a la frecuencia absoluta de las personas para cada rango de edad.

¿Cómo INTERPRETAMOS EL GRÁFICO?

Según su distribución podemos decir lo siguiente:

  • Normal o Campana: Si tiene una distribución simétrica y mis datos adquieren una forma acampanada, indica que la media, la moda y la mediana coinciden. Este tipo de distribución se presenta generalmente cuando analizamos las notas de desempeño de los trabajadores.

  • Sesgado: Si los datos se ajustan o muestran tendencia a agruparse hacia la derecha o izquierda, indican que están sesgados. Es la primera alerta para interpretar, por ejemplo, cómo está compuesta la dotación de nuestra organización. Si está sesgada a la izquierda, en una categorización por edad, indicará que mis trabajadores son principalmente jóvenes o iniciantes en su vida laboral, obviamente dependerá de qué tan prominente sea ese sesgo. Ahora, si nuestra unidad del eje x son los días de la semana y nuestro eje Y la cantidad de licencias emitidas, para un gráfico sesgado hacia la derecha, indicaría que los días jueves y viernes, son los días en que nuestros trabajadores presentan más licencias.

  • Bimodal: En este tipo de distribución, existen 2 modas y se presenta, generalmente, cuando realizo análisis de la composición de la dotación por edad. Por ejemplo, cuando existe una gran concentración de jóvenes y de personas con edades avanzadas, pero hay escasa presencia de trabajadores de edades medias. ¿Eres una de esas organizaciones?¿Cómo se distribuye la dotación en tu organización?

 

Semana 2: Mapa de calor

El Heatmap o Mapa de calor, es una representación gráfica en forma de matriz, que muestra el cruce de datos entre dos dimensiones y los datos que la componen se representan con colores o intensidad de color, dependiendo de los parámetros definidos en su construcción. Puede usarse para cualquier tipo de datos y es útil para mostrar una serie de datos numéricos, no para extraer un  dato específico.

 

Este tipo de gráficos, muestra la concentración de los datos, proporcionando un resumen visual y una visión global del comportamiento de los datos, y facilita a los analistas o consumidores de datos, la interpretación de la información, porque permite alertar y enfocarse en puntos específicos, dependiendo de los parámetros definidos en los colores. Es recomendable, configurar parámetros con un numero de datos(n) significativo para realizar comparaciones más exactas. 

Título del Gráfico

Concentración de Valores

Categoría Eje Y

Categoría Eje X

Las formas de representación de un Mapa de calor, pueden ser múltiples, con formas, manchas, siluetas, etc., sin embargo, cualquiera sea la forma, todas convergen en el uso del color para representar la relación entre valores de datos, que de otra forma sería difícil de entender, como en un excel o en otro tipo de gráfico.

Para construir un Mapa de Calor, debes configurar también la leyenda o la escala de graduación del color. En general, para datos categóricos debes codificar los colores, mientras que para datos numéricos, debes definir una escala de color para representar la diferencia en valores altos y bajos.

uSOS PARA RRHH

En RRHH, el Mapa de Calor se utiliza, en general, para observar la concentración de trabajadores en los distintos segmentos de la organización. Podremos ver de forma visual, la distribución de la dotación activa por estamentos, según su antigüedad en la organización, e identificar cuáles son los grupos con mayor dotación. 

 

Podremos aplicar un mapa de calor para analizar la concentración de los días promedio de ausentismo por persona según 2 variables relevantes: por edad y estamento. En el gráfico de ejemplo, se muestra que al momento de realizar el cruce de variables se obtiene que las personas mayores a 50 años, pertenecientes al estamento Técnico, presentan la mayor concentración de ausentismo. Esto nos permite inferir que podría ser un grupo de riesgo, y que debemos generar planes de acción en este grupo de personas, enfocados en temas de seguridad y salud laboral.

Semana 3: Dispersión

 

Un diagrama de dispersión muestra la relación entre 2 variables numéricas. En general, la variable independiente (aquella que no está influenciada por nada), está en el Eje X, y la variable dependiente, (la que es modificada por la variable independiente) está en el Eje Y. Esta relación se representa con un punto localizado dentro del área de datos, su valor dependerá de las coordenadas del eje X y del eje Y( ejemplo: X1 con Y1, X2 con Y2,….,Xn con Yn).

Una de las  ventaja de este gráfico es que puedes relacionar dos variables distintas entre sí, como por ejemplo: Tasa de egreso (Y) y Días promedio de ausentismo (X) y agrupar por una categoría, que en nuestro ejemplo sería el Área de una organización. Podemos ver la relación entre estas dos magnitudes o parámetros de un problema con el objetivo de encontrar si estas variables tienen alguna relación significativa y si es el caso poder identificar cómo es esa correlación.

Título del Gráfico

Valores Eje Y

Valores Eje X

Cada punto representa un Área de la Organización

Línea o Recta de regresión

uSOS PARA RRHH

Se busca poder relacionar dos variables con el fin de identificar y explicar un fenómeno o comportamiento que nos permita tomar acciones para tratar de mitigar su impacto. Estas son herramientas cuantitativas, pero que no pueden considerarse como absolutas y no pueden ser consideradas como única fuente para basar mis decisiones. Deben ser un complemento a análisis cualitativos de la información.

El ejemplo que se muestra, es un muy buen ejemplo en RRHH, muchas veces queremos entender por qué se produce el egreso de nuestros trabajadores, y si podemos evitar que ocurra, analizando posibles variables que nos alerten este comportamiento, con el fin de observar si existe alguna tendencia o no y de qué magnitud es.

¿Cómo se construye el gráfico?

Para construir un gráfico o diagrama de este tipo, debemos seleccionar aquellas variables que podrían explicar el fenómeno que observamos.

Por ejemplo:

En el Eje X (independiente), los intervalos de días promedio de ausentismo por persona.

En el Eje Y (dependiente), la cantidad de egresos obtenidos a la fecha del estudio.

 

Cada par de dato se representan en el diagrama mediante puntos, reflejando los valores de la clase de datos que se considera dependiente (lo que queremos explicar o efecto) sobre el eje vertical Y y los valores de la clase de datos que se considera independiente (causas) sobre el eje horizontal X. 

Una vez construido el diagrama debemos analizar la forma que tiene la nube de puntos obtenida, con tal de determinar las relaciones entre los dos tipos de datos. Mediante técnicas estadísticas como la recta de regresión y el coeficiente de correlación lineal, obtenemos de forma cuantitativa la existencia de relación y su grado en caso de existir correlación.

El Coeficiente de correlación indica una asociación entre las variables y está representado por una "r". Este coeficiente se mueve en un rango de -1,00 a +1,00. Mientras más cercano a ±1, indica que la relación es más fuerte, en cambio, mientras más cercano a cero, indica que la relación es débil o nula.

De forma gráfica:

Cuando r=+1 la línea tiende a crecer de izquierda a derecha, es decir, Y aumenta cuando X aumenta.

Cuando r=-1 la línea tiende a decrecer de izquierda a derecha, es decir, Y disminuye cuando X aumenta.

Cuando r=0 la línea tiende a ser una línea horizontal, esto quiere decir que el crecimiento de una variable no afecta a la otra.

¿Cómo INTERPRETAMOS EL GRÁFICO?

Según su correlación podemos decir lo siguiente:

  • Correlación Positiva: ocurre cuando una variable aumenta y la otra también. En nuestro ejemplo, la tasa de egreso y los días promedio de ausentismo agrupados por áreas de la organización, mientras que los días promedio de ausentismo (X) aumentan, la tasa de egreso (Y) también. 

  • Correlación Negativa: ocurre cuando una variable aumenta y la otra disminuye. Un aumento de los días promedio de ausentismo (X), causará una disminución de la tasa de egreso (Y). 

  • Sin Correlación o Correlación nula: no existe relación aparente entre las variables, la gráfica no sigue ningún tipo de tendencia, los puntos se encuentran dispersos. En nuestro ejemplo, se observa que los datos no tienen relación, por lo que no podemos asumir que a medida que el trabajador presenta licencias, presentará una mayor (o menor) tasa de egreso de la compañía. La cantidad de días promedio de licencia, parece no tener ningún efecto sobre la tasa de egreso de los trabajadores.​

 

Semana 4: BARRAS

Se publicará la semana del 02 de Noviembre 2020

contactanos

¡Hablemos!

arrow&v
arrow&v
Nuevo Logo KPI-03.png

Copyright © KPI Estudios 2020. Todos los derechos reservados.

Eliodoro Yañez 2972 of 806, Providencia, Santiago, Chile.  

contacto@kpiestudios.com