Escolar Documentos
Profissional Documentos
Cultura Documentos
PEOPLE ANALYTICS
Como implantar na gestão de
pessoas da minha empresa?
sumário
1 O que é People Analytics? Pág. 02
Engenharia de dados x
4 Ciência de dados
Pág. 12
1
Lacuna:
CEOs
acreditam
na importância
% de CEOs
Figura 1: People Analytics Análise de dados aplicada à Gestão de pessoas (PwC, 2017)
2
“Porquê”
Para o People Analytics, a especialização científica é a expertise sobre
gestão de pessoas. Este pilar, sendo o objetivo finalístico de todo o
processo, é responsável por identificar os problemas de negócio
relacionados a pessoas, direcionar os inputs e outputs dos modelos
estatísticos e garantir as interpretações corretas sobre os dados.
“Como”
O conhecimento matemático e estatístico não são nenhuma novidade,
são técnicas e conhecimentos bem antigos. Porém, com o alto volume
de dados possibilitados pela digitalização junto ao poder
computacional, tornou-se possível aplicar esses conhecimentos já
consolidados para extrair novas informações. Portanto, temos o pilar
da ciência da computação sendo o meio para a execução dos modelos
em tempo viável para o negócio.
“O quê”
Independente da aplicação do analytics (people, marketing, finances,
health, etc.), e da tecnologia utilizada (R, SPSS, Python, técnicas
de machine learning, etc.), no final estaremos aplicando
conhecimentos estatísticos para encontrar padrões e tendências dos
dados que resultarão em insights importantes a serem transformados
em planos de ação na gestão dos colaboradores a fim de impactar nos
resultados estratégicos do negócio.
3
Aprendizado
de máquina
Ciência da Matemática
computação estatística
Ciência
de dados
Software Pesquisa
tracional tracional
Figura 2:
Especialização Diagrama de Venn
científica para Ciência de
Dados
4
Além do RH ter entrado para a agenda estratégica do negócio pelo
contexto explicado na introdução, a seguir apresentamos 3 motivos
que respondem por si só a este questionamento.
5
Assim, quando conseguimos atrair e reter os melhores talentos do
ecossistema, alocar as pessoas certas nos lugares certos, desenvolver
as habilidades e competências específicas para cada colaborador e
identificar os drivers motivacionais e necessidades do nosso time, o
retorno em performance da organização aparece como consequência
das intervenções do RH e dos próprios gestores.
6
“ A aplicação do People Analytics nas organizações têm gerado
cases expressivos como a economia de $70.000.000 pela
retenção de talentos ou 400% de ROI a partir da aplicação
treinamentos específicos
7
1. Avaliar e garantir qualidade dos dados
2. Ser bom em Storytelling
3. Ter conhecimentos na área de negócios
4. Dominar técnicas de visualização de dados
5. Ter habilidades sólidas em psicologia
6. Dominar números e estatística
7. Expertise em Gerenciamento de Mudanças
O ponto principal desse modelo é que não ter uma das competências
requeridas para People Analytics já pode ser suficiente para que a área
fracasse. Na coluna da extrema direita, é possível observar o impacto
negativo que a ausência de cada competência possui no resultado
final: sem bons dados ummodelo de analytics é incapaz de ter boa
performance; sem narrativa e técnicas de visualização a mensagem
não é compreendida; sem clareza dos problemas de negócio, corre-se
o risco de focar em problemas errados; sem conhecimentos de
8
de psicologia e estatística as análises podem ser rasas e conter erros
conceituais; sem gestão da mudança os insights não se tornam ações.
Por exemplo, caso sua empresa não tenha profissionais com conheci-
mento em tratamento de bases de dados, é possível contratar uma
empresa especializada para realizar o trabalho.
9
Ao mesmo tempo, o especialista em RH precisa ter conhecimentos
básicos de banco de dados para entender as possibilidades que os
dados disponíveis podem oferecer e quais os impactos das decisões
relacionadas aos bancos.
10
Isso seria uma aplicação inadequada de People Analytics, pois não
basta gerar insights: é necessário construir análises considerando
as possíveis aplicações para a tomada de decisão.
11
ajudam a justificar o investimento e a entrega de valor gerada pela
área.
12
4 Quais as diferenças entre ENGENHARIA
de dados e CIÊNCIA de dados?
Figura 5:
Diferença entre
ciência de dados
All deep
learning e engenharia de
Ciência de dados
dados
Analytics, metrics,
segments,
aggregates, features
Dados esses, que são gerados todos os dias pelas mais diversas fontes. E, essa
ciência é uma combinação das áreas de estatística, computação e conhecimen-
tos sobre um negócio específico, a fim de gerar informações relevantes para o
negócio.
13
Seu alvo é o volume de dados e com o poder de computação que
temos nos dias atuais, a ciência de dados busca aplicar técnicas
matemáticas e estatísticas para identificar padrões e projetar
tendências futuras de uma determinada empresa ou mercado.
14
Já a ciência de dados utiliza desses dados tratados e cria inteligência
para eles. Essa área é responsável por transformá-los em informação a
partir de métodos estatísticos, matemáticos, computacionais e de
conhecimento de RH mesmo.
Para isso, o cientista de dados faz uma análise histórica, que apresenta
quais são os principais fatores que contribuíram para que aqueles
dados estejam daquela maneira. Assim, é possível prever qual a
tendência dos resultados futuros.
Com certeza a resposta para essa pergunta virá melhor de você do que
deste artigo, já que o People Analytics deve atender aos interesses
específicos da sua organização e se encaixar à sua realidade.
Nosso objetivo é fazer com que, por meio das perguntas certas e de
uma pincelada geral sobre o tema, você termine a leitura com maior
clareza do caminho para o iniciar esta importante transformação.
Agile development
15
A Dhados, grande adepta do modelo startup enxuta, estruturou um
modelo para rodar sprints ágeis de People Analytics e gerar ganhos
rápidos para as organizações. Por isso, o que abordaremos nos próxi-
mos parágrafos pode ser interpretado como etapas chave de um ciclo
completo do People Analytics, que depois deve ser replicado para
demais indicadores a fim de se tornar um processo sistêmico e
contínuo.
16
É por isso que os objetivos e métricas do RH não podem estar
descolados dos objetivos estratégicos do negócio.
17
Até mesmo achismos infundados são importantes neste momento,
uma vez que podem representar uma crença limitante ou viés histórico
presente na cultura da organização.
Pode ser que nesta altura do artigo você esteja se perguntando por
que ainda não falamos sobre dados. A grande questão é que os dados
nada mais são do que a matéria-prima que alimenta os modelos mate-
máticos para responder perguntas relativas ao negócio.
18
A pergunta que precisamos responder agora é: como podemos
transformar nossos problemas de negócio e hipóteses levantadas em
problemas matemáticos que apresentem respostas orientadas a
dados?
19
Caso ainda não possua coleta de dados estruturada e integrada aos
processos de gestão de pessoas, será necessário dar um passo atrás. É
importante pontuar que, além dos dados mais evidentes extraídos dos
ERPs, pesquisas de pulso ou folha de pagamento, também existe
grande valor nos dados gerados em sistemas secundários que dei-
xamrastros digitais que dizem muito sobre o comportamento dos
colaboradores.
20
4. Como comunicar as informações geradas a partir
dos dados?
21
Referências
Figura 1: Pesquisa InfoJobs 2021 - Profissionais de RH tomam decisões baseadas
em dados.
Figura 5: Why You Should Consider Being a Data Engineer Instead of a Data
Scientist (Towards Data Science, 2021)
https://towardsdatascience.com/why-you-should-consider-being-
-a-data-engineer-instead-of-a-data-scientist-2cf4e19dc019
22
dahdos.contato@minehr.com.br
11 3512-6000