Radar de Ausentismo
Un tablero de ausentismo laboral que separa la señal del ruido, sin exponer a las personas.
Datos ficticios. La empresa (Vallora Logística S.A.), sus unidades, líderes y colaboradores no existen. Construí la base desde cero, en Python, para reproducir problemas que aparecen en bases reales. Ningún número de esta página describe a una organización real.
Las capturas del tablero están en portugués, el idioma original del proyecto.
El problema
Un operador logístico con cuatro centros de distribución y unas 1.250 personas seguía el ausentismo con un único número mensual. En dos años no se movió: 3,77% en 2024 y 3,77% en 2025. Para la dirección, el tema estaba bajo control.
Los gerentes de operaciones no estaban de acuerdo. Hablaban de más horas extra para cubrir faltas en el turno nocturno y de más accidentes entre personas recién contratadas. El número era correcto y la percepción también; faltaba una manera de ver las dos cosas juntas.
Lo que mostró el tablero
- La estabilidad era aritmética. El fin de un brote de enfermedades infecciosas y menos ausencias de larga duración compensaron un alza de 8% en las demás ausencias de corta duración.
- El empeoramiento tenía nombre y apellido. En dos equipos del turno nocturno de Duque de Caxias, uno de Preparación de Pedidos y otro de Despacho (Separação e Expedição), la tasa de corta duración pasó de 3,5% a 6,5% desde abril de 2025. El resto de esa unidad y el turno nocturno de las demás unidades no cambiaron. Los dos equipos habían cambiado de supervisor semanas antes: una pista para investigar, no una conclusión.
- La noche pesa más en toda la empresa (razón de tasas ajustada de 1,31), y el personal recién contratado falta 1,8 veces más.
- Pocos eventos concentran muchas horas: el 1,6% de los eventos suma el 34% de las horas perdidas.
- Una asociación aparente era falsa. Los equipos grandes parecían faltar más, pero el único equipo muy grande era nocturno. Al separar por turno, el efecto desaparece.
Galería
Haz clic en una pantalla para ampliarla.
Cómo se construyó
Los datos. Trece tablas con el formato de exportación de un ERP brasileño: registro seudonimizado de 1.826 personas, jornada programada día por día (662 mil filas) y 13,6 mil eventos de ausencia. Registrar la jornada programada de cada día es lo que permite calcular la tasa en horas y tratar bien llegadas tarde, jornadas parciales, vacaciones e ingresos a mitad de mes. También inyecté 146 defectos típicos de extracción (duplicados, fechas invertidas, claves huérfanas, escrituras distintas) para que la limpieza tuviera algo concreto que resolver.
La limpieza. 26 consultas en Power Query limpian y validan la base. Una página del tablero muestra qué se corrigió y cuánto, para que quien lo lea sepa si puede confiar en los números.
El modelo. Esquema en estrella con tres tablas de hechos de distinta granularidad (jornada, ausencia por día y evento) y 97 medidas DAX, organizadas por tema.
La estadística. Tres decisiones definen el proyecto:
- Descomponer antes de comparar. La tasa total siempre se separa en corta duración (hasta 15 días, la parte en la que influye el líder directo) y larga duración (ausencias que sigue salud ocupacional).
- Exigir evidencia antes de alarmar. Un área solo aparece como crítica si la desviación es grande y estadísticamente consistente (puntaje z de la frecuencia de eventos). Un equipo de seis personas con una sola ausencia larga no dispara una alerta.
- Poner a prueba las asociaciones obvias. Un modelo binomial negativo, ajustado por unidad, departamento, turno, edad, sexo, antigüedad y año, separó lo que se sostiene (turno nocturno, antigüedad, unidad) de lo que no (tamaño del equipo, sexo).
El informe como código. Una especificación única describe cada visual (posición, campos, medidas y la pregunta que responde). A partir de ella, un script en Python generó la primera versión del informe, en el formato de proyecto de Power BI, de la documentación y de los wireframes. Después, el tablero se refinó en Power BI Desktop. Un script de auditoría sigue verificando que cada medida usada exista en el modelo y que los números citados coincidan con la base.
La privacidad como requisito. Sin nombre, documento de identidad ni correo; motivos de salud solo agregados; grupos de menos de 10 personas suprimidos; seguridad a nivel de fila por unidad y por líder; y un aviso explícito de que el tablero no sirve para sancionar a nadie.
Lo que demuestra este proyecto
- Entender el negocio antes de abrir Power BI: la pregunta correcta era “dónde empeoró la tasa”, no “cuál es la tasa”.
- Modelado dimensional y DAX sobre una base con distintas granularidades y reglas de cálculo que cambian el resultado.
- Estadística aplicada a decisiones: descomposición, pruebas de consistencia y control de factores de confusión, sin confundir asociación con causa.
- Diseño y comunicación: cada página responde una pregunta, con el estado siempre acompañado de una etiqueta y una paleta sobria.
- Gobernanza y privacidad: reglas documentadas, calidad de datos visible y protección de los grupos pequeños.
¿Quieres este tablero con los datos de tu empresa?
La misma estructura funciona con la exportación de tu sistema de nómina o de control de asistencia. Cuéntame cómo están hoy tus datos y te digo qué se puede hacer.