Pessoas são seres complexos. Existem bilhões de nós no mundo, cada qual com uma personalidade única e com reações diferentes às diversas situações apresentadas pela vida.

A complexidade do Homo sapiens é tão grande que motivou pesquisadores da Universidade Carlos III, em Madrid, a engendrarem o Projeto Ibsen, o maior simulador de comportamento humano do mundo. Depois de entrevistarem milhares de voluntários e de cruzarem gigantescas bases de dados, os estudiosos chegaram ao esboço de um algoritmo — ou seja, a uma sequência de regras para se realizar uma tarefa — que deve prever o comportamento humano.

O estudo ainda está na fase inicial, mas em setembro de 2016 já deu seu primeiro fruto. Os pesquisadores concluíram que 90% dos habitantes deste planeta se enquadram em uma das quatro categorias de personalidade segintes: otimistas, pessimistas, confiantes e invejosos, sendo que este último grupo é o mais abundante.

Toda a pluralidade e imprevisibilidade que caracteriza o ser humano se reflete tanto em nossa redoma social como nas organizações, afinal empresas são feitas, justamente, de pessoas. Isso significa que analistas, estagiários, coordenadores, gestores e CEO’s ficam pisando em ovos quando precisam se relacionar/lidar com seus colegas.

Como vou dar a notícia ruim ao meu subordinado? Qual política interna de remuneração eu implanto para melhorar o desempenho do meu time? Qual dos meus dois melhores funcionários eu devo promover?

Todos esses pontos de interrogação na cabeça do profissional tradicionalmente foram respondidos pelo achismo, pela intuição. Mas será que essa é a melhor opção?

O que é o People Analytics

O People Analytics é a prática de usar dados e métricas para tomar decisões sobre Gestão de Pessoas.

Não estamos falando em substituir o fator humano na tomada de decisão, mas de complementá-lo com o uso de estatística para nortear as ações estratégicas de RH, como contratações, desligamentos, promoções, absenteísmo, políticas internas, clima organizacional, dentre outros.

feeling do gestor de pessoas ainda tem o seu valor, mas não deve ser nem de longe o único fator considerado.

Para entender melhor a gênese e a proliferação do People Analytics, acompanhe a seuinte imagem, que representa uma linha do tempo:

 

Imagem1

De forma resumida, os primeiro produtos de análise de dados sobre funcionários foram desenvolvidos nos anos 1990 por alguns gigantes da tecnologia, como Oracle e PeopleSoft. O problema é que eles foram o produto certo no contexto errado: à época, as empresas tinham dificuldade em compilar um grande volume de dados de colaboradores, não possuíam orçamento suficiente para investir em iniciativas de RH e não contavam com o suporte de uma equipe de TI necessária para realizar a implantação e a manutenção desses produtos de People Analytics.

Assim, não houve grande adesão de mercado e as iniciativas foram descontinuadas.

No começo dos anos 2000, contudo, o Google iniciou suas primeiras ações internas de People Analytics. O titã do Vale do Silício não criou um produto de People Analytics para lançar ao mercado, mas começou tentando aprimorar sua própria gestão de pessoas usando como base uma grande análise de dados.

Por exemplo: o Google sempre foi exigente em seus processos seletivos, e naquele tempo chegava a realizar, em média, 12 entrevistas até tomar uma decisão sobe contratação. Quando começaram a cruzar e analisar dados sobre o históricos de suas ações de recrutamento e seleção, verificou-se que após a quarta entrevista com um candidato a empresa já possuía 86% de chances de tomar a decisão correta quanto à contratação, e que as entrevistas adicionais só incrementavam em 1% a probabilidade. Diante dessa conclusão, o Google tornou todo o processo mais eficiente.

Só que essa mentalidade só viria a eclodir nas outras organizações a partir de meados dos anos 2000, catalisada por um motivo inusitado: o lançamento do livro Moneyball. A obra aborda a trajetória de Billy Beane, gestor do time de baseball Oakland Athletics, que começou a usar apenas estatística para contratar os jogadores para sua equipe.

O início da empreitada foi conturbado, pois a contratação de jogadores estatisticamente adequados em termos de custo/benefício (mas ruins no inconsciente coletivo de todos os entusiastas do esporte) fez Beane entrar em conflito com dirigentes, torcedores e técnico dos Athletics. Pior ainda: o time começou o campeonato perdendo muitas partidas. Mas o gestor manteve a crença nos dados e métricas e, depois de um tempo, sua equipe emplacou uma sequência recorde de vitórias na Major League Baseball, comprovando sua tese.

O livro virou filme, com Brad Pitt na pele do protagonista, e sua influência chegou ao mundo corporativo, onde empresas começaram a pensar “se o uso de métricas no baseball traz resultados, por que não aplicá-lo também nas organizações?”. Foi nesse momento que o mercado foi invadido pelo termo “Big Data”, que designa o volume colossal de dados disponíveis hoje em dia às empresas, principalmente em ambiente digital.

Como funciona o People Analytics

Basicamente, existem quatro formas de se fazer People Analytics. Elas não são etapas, mas níveis de sofisticação no uso da técnica:

1. Coleta: coleta de dados para montagem de relatórios periódicos. Exemplo: elaborar relatório com nome, função, salário, tempo de casa, escolaridade e cursos de todos os colaboradores da empresa.

2. Cálculo: coleta e interpretação básica de dados. Exemplo: elaborar relatório com nome, função, salário, tempo de casa, escolaridade e cursos de todos os colaboradores da empresa; averiguar qual função da empresa recebe mais cursos.

3. Análise: coleta, cruzamento de dados e investigação de relações de causa e efeito entre variáveis. Exemplo: elaborar relatório com nome, função, salário, tempo de casa, escolaridade e cursos de todos os colaboradores da empresa; cruzar variáveis para ver qual delas tem correlação direta mais forte com tempo de casa.

4. Modelagem: coleta, cruzamento de dados, investigação de relações de causa e efeito entre variáveis e planejamento de ações de longo prazo mediante resultados. Exemplo: elaborar relatório com nome, função, salário, tempo de casa, escolaridade e cursos de todos os colaboradores da empresa; cruzar variáveis para ver qual delas tem correlação direta mais forte com tempo de casa; planejar ações para aumentar tempo de casa médio dos colaboradores conforme resultados apurados no estudo.

Aqui no Convenia, aplicamos uma iniciativa de People Analytics que pode nortear suas primeiras ações. Nosso objetivo era entender quais ações de Gestão de Pessoas poderiam aumentar o desempenho da equipe de Vendas. Então seguimos os seguintes passos:

1. coletar dados “número de treinamentos” e “quantidade de negócios fechados por representantes de vendas”

Assumimos a hipótese de que quanto mais treinamentos um vendedor nosso recebesse, maior seria seu desempenho. Alguns de nossos vendedores receberam um treinamento, e outros receberam dois.

2. cruzar as duas variáveis para identificar correlação

Verificamos que a média de negócios fechados era igual para todos os vendedores, independentemente da quantidade de treinamentos recebidos.

3. comparar com outra variável que impacta desempenho

Cruzamos as variáveis “nível de satisfação” e “quantidade de negócios fechados por representantes de vendas”, pois supusemos que a nova variável pudesse ter correlação direta mais forte com desempenho (semanalmente, conduzimos uma pesquisa sigilosa de satisfação com o trabalho junto aos nossos colaboradores, então tínhamos esse dado mapeado).

4. planejar o futuro e prever resultados

Reduzimos os investimentos de treinamento e expandimos os benefícios que geravam maior satisfação aos colaboradores.

“Ok, mas qual ferramenta/plataforma/sistema eu posso utilizar para fazer esse tal de People Analytics?”. Existem várias opções, mas se você vai começar agora, recomendamos que comece com uma planilha básica de Excel para compilar a cruzar dados.

Olha como as empresas brasileiras estão fazendo (a soma dos percentuais é maior do que 100% porque alguma organizações usam mais de uma solução):

4

Por que fazer People Analytics

O principal motivo pelo qual você deveria usar o People Analtics em sua empresa é o seguinte: ele traz melhores resultados financeiros do que a gestão tradicional.

Isso vale tanto para RH como para outros departamentos, tais quais Marketing, Finanças e Vendas. Quem provou isso foi um estudo conduzido pela MIT Sloan School of Management com mais de 3.000 executivos e analistas em 108 países, cuja conclusão foi de que empresas de alto desempenho (usando como parâmetro critérios como faturamento e participação de mercado) utilizam dados e métricas cinco vezes mais do que empresas de baixo desempenho:

mit_analytics

Mas existem outras evidências que acusam a eficácia do analytics de forma mais específica na seara do RH.

Uma experiência realizada em Harvard em conjunto com 15 empresas agregou uma grande quantidade de dados sobre candidatos e as aglutinou em um algoritmo para prever as melhores contratações em processos seletivos. Após alguns teste, verificou-se que o algoritmo era mais confiável do que um ser humano na tarefa de apontar os melhores indivíduos para uma função. Isso se deve ao fato de um algoritmo processar muito  mais dados ao mesmo tempo do que um cérebro humano, e de forma alguma indica que as pessoas devem ser eliminadas do processo.

Além das vantagens financeiras, o People Analytics também tem o mérito de acertar onde o senso comum falha. Quer um exemplo? Você contrataria um candidato com antecedentes criminais, maus resultados em testes de inteligência e mudanças frequentes de emprego no currículo? Provavelmente, não.

Entretanto, um estudo da Cornerstone, empresa americana de Big Data, descobriu que esse fatores acima não possuem correlação direta forte com o desempenho do indivíduo no emprego — conclusão à qual não chegaríamos empregando a intuição e o achismo.

Quem está fazendo People Analytics

A matéria “People Analytics: o novo jeito de olhar as pessoas”, da edição 46 da revista Você RH, aborda alguns cases de sucesso de Gestão de Pessoas orientada a dados.

Dentre eles, destacamos três: Accenture, Itau Unibanco e IBM.

Accenture

A empresa desejava aprimorar as práticas de retenção e promoção de suas profissionais mulheres. Para tanto, o RH coletou, cruzou e analisou dados como taxa de rotatividade, férias, tempo na função, remuneração, treinamentos realizados, dentre outros; e, assim, consegui mapear o perfil de suas funcionárias, que foram categorizadas em três grupos: baixo risco de saída, médio risco de saída e alto risco de saída.

Desse modo, o RH pôde planejar ações específicas para cada grupo, obtendo uma taxa de retenção de profissionais mulheres igual a 50% considerando 2015 para 2016.

Itau Unibanco

O Itaú Unibanco criou um painel de People Analytics com mais de 40 indicadores para gerenciar diversos aspectos de Gestão de Pessoas – de recrutamento e seleção até meritocracia e clima organizacional.

Dentre todas conclusões às quais chegaram depois de analisar os dados, os gestores perceberam que somente 10% dos indivíduos com potencial para se candidatar uma vaga acabavam se inscrevendo. A partir desse diagnóstico, a empresa criou um processo no qual o dono da vaga também procura ativamente os talentos.

IBM

A IBM tem duas iniciativas muito inovadoras em People Analytics.

Análise de sentimento: monitoramento de palavras-chave que funcionários usam na intranet para avaliar o clima organizacional. Essa análise serve de termômetro para a Comunicação Interna da IBM.

Análise social: monitoramento de comportamento de funcionários na rede externa. A ideia é entender como os funcionários enxergam a empresa baseado nos comentários que fazem em redes sociais e fóruns.

Desafios

Ainda existem algumas barreiras para a adoção de People Analytics em empresas brasileiras, principalmente no que diz respeito às pequenas e médias.

Antes de explicar quais são essas barreiras, vamos apresentar as consequências delas (os dados abaixo foram apresentados no estudo Práticas de People Analytics nas Organizações Brasileiras – 2016, conduzido pela PwC em parceria com a Fundação Getúlio Vargas).

1 

Pelo gráfico, percebemos que somente 10% das organizações brasileiras usam o nível mais avançado de People Analytics, que prevê cenários e planeja ações de longo prazo. Isso, obviamente, se reflete no nível de treinamento que as empresas proporcionam aos funcionários que poderia aplicar o People Analytics:

2

Ou seja, as empresas ainda vislumbram um vasto terreno a percorrer em People Analytics. E as principais barreiras que atrapalham o percurso nesse terreno são:

1. Os gestores não enxergam a importância do People Analytics para os resultados

De maneira compreensível, a maior parte dos gestores são alheios a estatísticas sobre People Analytics como as que passamos na seção Por Que Fazer People Analytics. Não é tão óbvio o impacto que o uso de métricas em Gestão de Pessoas pode ter nos resultados da organização como um todo.

O papel dos profissionais de RH que agora entendem a importância do People Analytics é evangelizar a área para que ela comece cada vez mais a ser orientadas a dados para tomar decisões sobre pessoas.

2. Ainda acreditam que o fator subjetivo deve ser o único na tomada de decisão sobre Gestão de Pessoas

Como já foi dito anteriormente, em momento algum o People Analytics defende a exclusão do fator humano na tomada de decisão. A ideia é unir os dois mundos: o uso de métricas e o feeling do gestor.

motivacao_desempenho_rh

Sobre o autor

Luca Venturini

Analista de Marketing do Convenia.

Formado em Administração de Empresas pela ESPM de São Paulo em 2014, encontrou no Inbound uma oportunidade de unir duas de suas paixões: marketing e escrever.