README.md

🧑🏽‍💼 Análise de dados de RH com python 🐍

✅ Objetivo

Realizar um trabalho de análise nos dados, compreender como estão organizados, realizar limpeza transformação dos dados conforme necessário, detectar eventuais padrões e diagnósticos ao final emitir um parecer com um resumo sobre os dados.

🚨 Problema de negócio

Uma empresa de consultoria que atua em Big Data e Data Science deseja contratar Cientistas de Dados entre pessoas que obtenham aprovação em alguns cursos ministrados pela empresa. Muitas pessoas se inscrevem para o treinamento.

A empresa quer saber quais desses candidatos realmente querem trabalhar para a empresa após o treinamento ou estão apenas fazendo o treinamento para retornarem ao mercado à procura de um novo emprego.

Informações relacionadas a dados demográficos, educação e experiência estão disponíveis no conjunto de dados fornecido.

Conclusões

Com base em nossa análise observamos que as variáveis mais relevantes para identificar um bom candidato são:

• Índice de Desenvolvimento da cidade onde mora o candidato.
• Tempo de experiência profissional.
• Se está ou não matriculado em um curso universitário.
• Se tem ou não experiência relevante.
• O nível educacional.
• O tipo de empresa que o candidato trabalhou ou trabalha atualmente.
• A especialização na graduação (quando for o caso).

Não são relevantes para a análise:

• O ID do candidato.
• O código da cidade do candidato.
• O gênero.
• A última vez que o candidato esteve empregado.
• O tamanho da empresa (quando for o caso).
• Total de horas de treimamento.

Recomendações do Analista de Dados:

• O RH pode desenvolver um método de coleta de dados para obter outros recursos a fim de melhorar a qualidade dos dados e tornar o trabalho de análise mais preciso.

• O RH pode procurar candidatos que vêm de cidades com índice de desenvolvimento urbano mais baixo, sem experiência relevante, nível de educação superior e menor experiência de trabalho para ter maior chance de encontrar candidatos que estão procurando um emprego.

• O RH pode tornar o treinamento mais compacto porque muitas pessoas não precisam de muito tempo para concluir o treinamento.