================================================================================ PROMPT 02 - NIVEL CONVERSACIONAL: ChatGPT / Claude.ai / Gemini Pro (web) ================================================================================ Nombre del prompt : Dashboard ejecutivo sectorial - 40 empresas CFCRL - HTML+Chart.js descargable desde el chat Herramientas : ChatGPT (Advanced Data Analysis / Code Interpreter), Claude.ai (Analisis con archivos), Gemini Pro (con ejecucion de codigo). Plan pago recomendado. Tiempo estimado : 16-20 min (3 subir CSVs + 12 iterar + 3 export) Resultado esperado: 1 dashboard.html descargable con 5 vistas (percentiles por puesto, brechas por sector, top10/ bottom10 empresas, heatmap sector x municipio, resumen ejecutivo) + 5 vinetas listas para correo o slide ejecutivo. DISCLAIMER: La matriz consumida es resultado de extraccion automatica sobre 40 empresas publicas del repositorio CFCRL. Uso educativo en sesion ERIAC. No constituye benchmark formal de mercado. Esta herramienta complementa el trabajo de las consultoras especializadas en compensaciones, no lo reemplaza. -------------------------------------------------------------------------------- PASO 0 - Antes de pegar el prompt -------------------------------------------------------------------------------- - Confirma que ya corriste el prompt 06_Prompts_Analisis_Tabuladores/ 02_conversacional_chatgpt_gemini.txt y descargaste: matriz_consolidada.csv (input principal) actas_resumen.csv (input opcional) - Si NO corriste la fase 06 todavia, hay fallback: usa el archivo educativo C:\Users\Gerardo Ayala\Desktop\Webinar_IA_HR_Comite\04_Datos_Demo\ datos_salariales_nl_muestra.csv El prompt te dice como adaptar el schema. - Abre tu chat (ChatGPT con GPT-4o o superior, Claude.ai, Gemini Pro). - Sube matriz_consolidada.csv (y actas_resumen.csv si lo tienes). - Confirma que el modelo te diga que recibio el archivo y reconocio las columnas. -------------------------------------------------------------------------------- PROMPT PRINCIPAL (pegar despues de subir los CSVs) -------------------------------------------------------------------------------- Actua como analista senior de Compensaciones para una empresa en Mexico. Acabo de subirte: - matriz_consolidada.csv (input principal). Columnas: empresa, sector, municipio, puesto_normalizado, categoria, sueldo_diario_mxn, sueldo_mensual_mxn, n_trabajadores, fuente_archivo. Es la matriz consolidada de 40 empresas mexicanas extraidas del repositorio publico CFCRL (Centro Federal de Conciliacion y Registro Laboral). - actas_resumen.csv (opcional). Si lo subi, columnas: empresa, sindicato, pct_aprobacion, n_trabajadores_cubiertos, fecha_revision, incremento_pct. Quiero que trabajemos en 4 fases. Despues de cada fase entregame 2-3 hallazgos en lenguaje de negocio (no estadistico) y espera mi "ok" antes de continuar. Ejecuta codigo de verdad en cada fase, no inventes. FASE 1 - Validacion y exploracion inicial - Cuentame: cuantas empresas, cuantos sectores, cuantos municipios, cuantos puestos_normalizados unicos, cuantas filas totales, fecha_revision minima y maxima en actas si aplica. - Detecta outliers de sueldo_diario_mxn con IQR por sector y dime cuantos hay. - Calidad de datos: % de filas con sector o municipio vacio o 'n/d', % de filas con n_trabajadores vacio, duplicados, tipografias raras. - Si hay problema serio (ej. 80% de filas sin sector), detente y avisame antes de seguir. FASE 2 - Calculos sectoriales - Pivot 1: por sector, calcula sueldo_diario_mxn p25/p50/p75/p90, numero de empresas, numero de puestos distintos. - Pivot 2: por puesto_normalizado (solo los que aparecen en >= 3 empresas), calcula p25/p50/p75/p90 y dispersion (p90/p10). - Pivot 3: por empresa, calcula su mediana sectorial y delta % vs mediana del sector al que pertenece. - Pivot 4: por sector x municipio, calcula sueldo_diario_mxn promedio ponderado por n_trabajadores (o por conteo si la columna esta vacia). Esto alimenta el heatmap. - Si subi actas_resumen.csv: calcula tambien por sector el % aprobacion promedio ponderado por n_trabajadores_cubiertos y el incremento_pct mediano. FASE 3 - Construccion del dashboard HTML+Chart.js - Genera UN solo archivo dashboard.html standalone, descargable desde el chat. - Stack: Chart.js v4 por CDN + CSS embebido. Sin frameworks. Que abra con doble click (file://). - 5 vistas en una pagina con scroll: V1 HEADER + RESUMEN EJECUTIVO - Titulo: "Dashboard ejecutivo sectorial - 40 empresas CFCRL". - Disclaimer. - 5 vinetas generadas con datos reales (no plantillas): 1. Sector mejor pagado vs peor pagado (mediana, en %). 2. Municipio con mayor concentracion de salarios altos. 3. Puesto con mayor dispersion entre empresas. 4. % aprobacion promedio en actas (si aplica). 5. Observacion contraintuitiva detectada en los datos. V2 PERCENTILES POR PUESTO - Barras apiladas p25/p50/p75/p90 para los 20 puestos top en n_empresas. Selector dropdown para filtrar puesto. V3 BRECHAS POR SECTOR - Boxplot horizontal del sueldo_diario_mxn por sector, ordenado por mediana descendente. Indicar n empresas por sector. V4 TOP 10 / BOTTOM 10 EMPRESAS POR MEDIANA SECTORIAL - Dos paneles lado a lado: empresas mejor pagadas vs su sector / peor pagadas vs su sector. Barras horizontales con delta %. V5 HEATMAP SECTOR x MUNICIPIO - Tipo heatmap (no coropleta, no mapa geografico) con sectores en el eje Y, municipios en el eje X y promedio ponderado de sueldo_diario_mxn como color. Tooltip con n empresas. - Si chartjs-chart-matrix no carga por CDN, fallback a tabla HTML con celdas coloreadas (background-color calculado). - Filtros globales en barra superior sticky: sector (multiselect), municipio (multiselect), n_trabajadores minimo (slider, default 5). Los filtros re-renderizan las 5 vistas via JS sin recargar. FASE 4 - Exportables - Empaca el dashboard.html en un ZIP descargable. - Genera un .txt con las 5 vinetas del resumen ejecutivo, formato bullet, listas para pegar en correo o slide. - Genera tambien dashboard_data.json con las pivots de la fase 2, por si quiero importarlas a otra herramienta. REGLAS DURAS - Si una vista no se puede construir por falta de datos, OMITELA y avisame; no la dejes en blanco. - Todas las cifras redondeadas a entero o 1 decimal. - Ejecuta codigo en cada fase (no inventes cifras). - Sin emojis. - Tono complementario a las consultoras (el dashboard se presenta como herramienta de exploracion agil, no como reemplazo). - Audiencia ERIAC tolera lenguaje tecnico ("heatmap", "percentil", "boxplot"). -------------------------------------------------------------------------------- FALLBACK SI EL MODELO NO TIENE CODE INTERPRETER (plan free) -------------------------------------------------------------------------------- Pega esto en lugar del prompt principal: "No puedes ejecutar codigo. En su lugar, devuelveme directamente UN archivo HTML standalone que pueda abrir en mi navegador (doble click). Usa Chart.js v4 por CDN. El HTML debe incluir 5 vistas: - Resumen ejecutivo (5 vinetas, generadas con tu lectura del CSV) - Percentiles por puesto (top 20 puestos) - Boxplot por sector - Top 10 / bottom 10 empresas por delta vs sector - Heatmap sector x municipio (o tabla coloreada si no hay matrix plugin disponible) Yo te paso el contenido del CSV inline (las primeras 500 filas de matriz_consolidada.csv). Embebe esos datos en el HTML como const DATA = [...]. Disclaimer arriba: 'Muestra publica CFCRL. No constituye benchmark formal.' Estilo limpio. Devuelve el HTML completo en un solo bloque de codigo para que lo guarde como dashboard.html." Luego pega las primeras 500 filas del CSV en el chat. -------------------------------------------------------------------------------- SI ALGO SALE MAL -------------------------------------------------------------------------------- 1. El modelo dice que no puede leer el CSV Verifica que tengas plan pago (ChatGPT Plus, Claude Pro, Gemini Advanced). En free, usa el fallback HTML. 2. Las graficas salen feas o cortadas "Regenera V3 con figsize visual mas alto (proporcion 16:10), labels rotados 0 grados, tipografia limpia, paleta accesible. Si Chart.js no soporta boxplot nativo, usa el plugin chartjs-chart-boxplot por CDN." 3. El heatmap no renderiza "Reemplaza el heatmap chartjs-chart-matrix por una tabla HTML con celdas coloreadas via background-color (escala lineal del minimo al maximo). Manten tooltips via title attribute." 4. El modelo alucina cifras "No inventes. Imprime df.head(20) y df['sector'].unique() y trabaja solo con esos valores. Cita la columna fuente_archivo en el resumen ejecutivo cuando sea relevante." -------------------------------------------------------------------------------- ALINEACION CON LA EXTRACCION -------------------------------------------------------------------------------- matriz_consolidada.csv y actas_resumen.csv vienen del prompt 06_Prompts_Analisis_Tabuladores/02_conversacional_chatgpt_gemini.txt. El schema esta congelado: empresa, sector, municipio, puesto_normalizado, categoria, sueldo_diario_mxn, sueldo_mensual_mxn, n_trabajadores, fuente_archivo. No renombres columnas. -------------------------------------------------------------------------------- VARIANTES / EXTENSIONES -------------------------------------------------------------------------------- A. POSICIONA TU EMPRESA EN EL DASHBOARD Despues de fase 4: "te paso 5-10 puestos de mi organizacion con su sueldo actual. Sobreponlos como puntos rojos en el boxplot de cada sector y dime mi percentil en el segmento sector + municipio." B. RESUMEN PARA DIRECTOR "Convierte las 5 vinetas en un correo ejecutivo de 200 palabras, con asunto, dirigido a Director(a) de RH no tecnico. Tono profesional, sin jerga estadistica." C. SLIDES PPTX "Genera un .pptx con 7 slides: portada con disclaimer, 1 slide por vista del dashboard, slide final con las 5 vinetas. Estilo corporativo sobrio, sin emojis." -------------------------------------------------------------------------------- DISCLAIMER DE USO RESPONSABLE -------------------------------------------------------------------------------- La matriz consumida proviene de extraccion automatica sobre PDFs/XLSX publicos del CFCRL. Tasa de error inherente al parsing. Revisa manualmente los datos criticos antes de tomar decisiones de compensacion. Al compartir conclusiones fuera de la organizacion debe citarse la fuente y la fecha de corte. Esta herramienta complementa el trabajo de las consultoras especializadas, no lo reemplaza.