Este documento es un análisis de la base de datos de Denbbora (https://dev.denbbora.eus/).

Actualmente hay 45 en la base de datos.

Cálculo de valores numéricos

# Process data. Only numeric ---------
ent_numeric <- ent %>% mutate(
  # calcula la media de mujeres en puestos directivos
  # % mujeres puestos decisión
  "% mujeres puestos decisión" =  round( 
    rowMeans( 
      select(., c(
        medidas._e_dir_women_consejo_direccion.value,
        medidas._e_dir_women_direccion.value,
        medidas._e_dir_women_junta_gobierno.value,
        medidas._e_dir_women_consejo_administracion.value,
        medidas._e_dir_women_consejo_gobierno.value,
        medidas._e_dir_women_consejo_rector.value,
        medidas._e_dir_women_junta_directiva.value,
        medidas._e_dir_women_comision_ejecutiva.value,
        medidas._e_dir_women_gerencia.value
        )
      ),
    na.rm = TRUE), 
    digits=0) #elimina las NA
  ) %>% rename(
  # municipio = localidades,
  "edad media" = medidas._e_age_average.value,
  empresa = name,
  mujeres = medidas._e_workers_women.value,
  hombres = medidas._e_workers_men.value,
  "no binario" = medidas._e_workers_non_binary.value,
  
  "% mujeres consejo dirección" = medidas._e_dir_women_consejo_direccion.value,
  "% mujeres dirección" = medidas._e_dir_women_direccion.value,
  "% mujeres junta gobierno" = medidas._e_dir_women_junta_gobierno.value,
  "% mujeres consejo administración" = medidas._e_dir_women_consejo_administracion.value,
  "% mujeres consejo gobierno" = medidas._e_dir_women_consejo_gobierno.value,
  "% mujeres consejo rector" = medidas._e_dir_women_consejo_rector.value,
  "% mujeres junta directiva" = medidas._e_dir_women_junta_directiva.value,
  "% mujeres comisión ejecutiva" = medidas._e_dir_women_comision_ejecutiva.value,
  "% mujeres gerencia" = medidas._e_dir_women_gerencia.value,
  
  "% mujeres mandos intermedios" = medidas._e_mandos_intermedios_women.value,
  
  "% mujeres resto plantilla" = medidas._e_resto_plantilla_women.value,
  
  "% hombres consejo dirección" = medidas._e_dir_men_consejo_direccion.value,
  "% hombres dirección" = medidas._e_dir_men_direccion.value,
  "% hombres junta gobierno" = medidas._e_dir_men_junta_gobierno.value,
  "% hombres consejo administración" = medidas._e_dir_men_consejo_administracion.value,
  "% hombres consejo gobierno" = medidas._e_dir_men_consejo_gobierno.value,
  "% hombres consejo rector" = medidas._e_dir_men_consejo_rector.value,
  "% hombres junta directiva" = medidas._e_dir_men_junta_directiva.value,
  "% hombres comisión ejecutiva" = medidas._e_dir_men_comision_ejecutiva.value,
  "% hombres gerencia" = medidas._e_dir_men_gerencia.value,
  "% hombres mandos intermedios" = medidas._e_mandos_intermedios_men.value,
  "% hombres resto plantilla" = medidas._e_resto_plantilla_men.value,
  
  "% no binario consejo dirección" = medidas._e_dir_non_binary_consejo_direccion.value,
  "% no binario dirección" = medidas._e_dir_non_binary_direccion.value,
  "% no binario junta gobierno" = medidas._e_dir_non_binary_junta_gobierno.value,
  "% no binario consejo administración" = medidas._e_dir_non_binary_consejo_administracion.value,
  "% no binario consejo gobierno" = medidas._e_dir_non_binary_consejo_gobierno.value,
  "% no binario consejo rector" = medidas._e_dir_non_binary_consejo_rector.value,
  "% no binario junta directiva" = medidas._e_dir_non_binary_junta_directiva.value,
  "% no binario comisión ejecutiva" = medidas._e_dir_non_binary_comision_ejecutiva.value,
  "% no binario gerencia" = medidas._e_dir_non_binary_gerencia.value,
  "% no binario mandos intermedios" = medidas._e_mandos_intermedios_non_binary.value,
  "% no binario resto plantilla" = medidas._e_resto_plantilla_non_binary.value,
  
  plantilla = medidas._e_template.value,
  
  año = medidas._e_years.value,
  "Media de edad" = medidas._e_age_median.value,
  
  
  "% muj 18-30" = medidas._e_women_18_30.value, 
  "% muj 31-40" = medidas._e_women_31_40.value, 
  "% muj 41-55" = medidas._e_women_41_55.value, 
  "% muj 56-65" = medidas._e_women_56_65.value, 
  "% muj >66" =  medidas._e_women_66.value,
  
  "% hom 18-30" = medidas._e_men_18_30.value, 
  "% hom 31-40" = medidas._e_men_31_40.value, 
  "% hom 41-55" = medidas._e_men_41_55.value, 
  "% hom 56-65" = medidas._e_men_56_65.value, 
  "% hom >66" =  medidas._e_men_66.value,
  
  "índice rotación (año)" =  medidas._e_indice_rotacion_women_year.value,
  "índice rotación" =  medidas._e_indice_rotacion_women_index.value,
  
  "días naturales soltería" =  medidas._e_medida_dias.naturales.solteria.value,
  "fallecimiento conyuge" =  medidas._e_medida_dias.fallecimiento.conyuge.value,
  "fallecimiento familiar" =  medidas._e_medida_dias.fallecimiento.familiar.value,
  "fallecimiento familiar amistad" =  medidas._e_medida_dias.fallecimiento.familiar.amistad.value,
  "fallecimiento hijo/a" =  medidas._e_medida_dias.fallecimiento.hijoa.value,
  "fallecimiento enfermedad familiares" =  medidas._e_medida_dias.fallecimiento.enfermedad.familiares.value,
  "fallecimiento enfermedad parientes" =  medidas._e_medida_dias.fallecimiento.enfermedad.parientes.value,
  "días fallecimiento conyuge" =  medidas._e_medida_dias.fallecimiento.conyuge.value,
  "días matrimonio" =  medidas._e_medida_dias.matrimonio.value,
  "días matrimonio convivencia pareja hecho" =  medidas._e_medida_dias.matrimonio.convivencia.pareja.hecho.value,
  "días nacimiento hijo" =  medidas._e_medida_dias.nacimiento.hijo.value,
  "días nacimiento nieto" =  medidas._e_medida_dias.nacimiento.nieto.value,
  "días mudanza" =  medidas._e_medida_dias.traslado.domicilio.value,
  "días vacaciones disfrutables periodos" =  medidas._e_medida_dias.vacaciones.disfrutables.periodos.value,
  "meses lactancia" =  medidas._e_medida_meses.lactancia.value,
  
) %>% mutate(
  plantilla = as.numeric(plantilla),
  empresa = substr( empresa, 1,20),
  "% mujeres" = round( mujeres / plantilla * 100, digits = 1) %>% as.numeric(),
)  %>% select(empresa,where(is.numeric)) %>% select(
  # # elimina las que no se necesitan
  # -medidas._e_phone.value,
  # -medidas._e_group.value,
  # -medidas._e_group_international.value,
  # -medidas._e_group_complete_strategy.value,
  # -medidas._e_equality_plan.value,
  # -medidas._e_shift.value,
  
  # como se elimina antes no hace falta eliminarlo aquí
  # -medidas._e_medidas_mas_frecuentes.value.term_id,
  # -medidas._e_medidas_mas_frecuentes.value.term_order,
  # -medidas._e_medidas_mas_frecuentes.value.term_taxonomy_id,
  # -medidas._e_medidas_mas_frecuentes.value.count,
  -starts_with("medidas._e_medidas_mas_frecuentes")
) #%>% select( xxx, everything())

# selecciona las variables que contienen datos numéricos
all_numeric_variables <- names(ent_numeric)[-1] %>% str_replace_all("\\ ","_" ) %>% str_replace_all("%","pr") %>% str_replace_all("-",".") %>% str_replace_all("\\/","_")
# elimina las que son binarias sí/no. Es a partir de la 54
all_numeric_variables <- all_numeric_variables[c(1:55,188,189)]

0. ¿Cuántas empresas hay en denbbora? ¿Cuántas empresas hay por sector en la base de datos?

1. ¿Cuántas empresas tienen al menos una medida de cada tipo?

Para revisar qué medidas no están clasificadas

Medidas sin categoría

Qué empresas tienen esas medidas

2. ¿Qué porcentaje de empresas adopta cada medida? Un vistazo por categorías

Sin título

Eus

3. Las 5 medidas más frecuentes por sexo

Castellano

Euskera

4. Distribución de la plantilla según sexo y tipo de actividad de la empresa

5. Distribución de la plantilla según sexo en cada empresa

6. Porcentaje de mujeres en puestos de mando, intermedios y resto de plantilla

Mujeres en puestos decisión (1), intermedios (2) y resto de plantilla (3)

Operación: agrupa y calcular media de los 9 campos de puestos de decisión.

X. ¿Que haya más mujeres en puestos 1-2-3 tiene impacto en el número de medidas ofertadas?

Variable independiente: % puestos 1-2-3

A. Variable dependiente: número de medidas por categoría.

B. Variable dependiente: para las numéricas. Cantidad de días/meses ofrecidos/etc.

Qué datos hay disponibles

Índice de empresas

Variables numéricas

Estas son las variables numéricas: cada línea es una empresa, cada columna una variable. En blanco significa que no hay dato.

Otras variables numéricas por empresa:

Medidas

Las medidas (eje horizontal) por cada empresa (eje vertical).