A busca pela predição: o estágio mais avançado de People Analytics
Aprofundamentos | People AnalyticsPeople Analytics

A busca pela predição: o estágio mais avançado de People Analytics

Entenda como algumas empresas têm se preparado para alcançar a predição de comportamentos por meio da prática

É senso comum que o principal objetivo da prática de People Analytics nas empresas é a geração de insights – possibilitada a partir de um análise de dados já bem estruturados – que possam basear tomadas de decisão mais assertivas que confiram eficiência aos processos específicos de RH e também aos que se relacionam diretamente com o negócio. Chegar a níveis de predição da análise, ou seja, enxergar acontecimentos antes mesmo que ocorram e criar iniciativas em relação a eles, é o santo graal da prática e, consequentemente, representa um grande desafio para as empresas. E, pensando na dinamicidade das relações e processos no ambiente de trabalho, é necessário que as empresas passem a olhar para isso com mais atenção.

Predição ainda distante

Segundo um levantamento realizado globalmente pela PwC, que contou com entrevistados de todos os continentes, apenas 10% dos respondentes afirmaram que a empresa em que trabalhavam estavam em um estágio de modelagem de dados e previsões; 24% se encontram no nível de análise, um índice de certa forma interessante, visto que 26% alegam estar ainda no estágio mais básico, de reunir dados e apresentar contagens simples. Além disso, 18% alegaram que a alta administração utilizavam informações de People Analytics na tomada de decisões estratégicas e de planejamento futuro. 

De acordo com um artigo publicado pela Forbes, existem cinco modelos preditivos principais que se utilizam de People Analytics e que podem tornar uma empresa mais competitiva: aperfeiçoamento da retenção, recrutamento de profissionais de longo-prazo, efeitos de absenteísmo, Gestão e promoções e investimentos em pessoas.

Segundo a publicação, existem grandes oportunidades para que se possa entender como uma análise de dados passados e já coletados pode ajudar a encontrar padrões, de maneira a mapear o que pode vir a acontecer e realizar ações em cima disso.

Preparação necessária em níveis básicos

A Porto Seguro é um exemplo de empresa brasileira que se preocupa com o tema de People Analytics, com dados já bem estruturados e que resultam em insights, que por sua vez já atingem a alta administração para a tomada de decisões.

predição 1

No entanto, de acordo com Erick Sampaio, analista sênior de informações gerenciais na empresa, ainda é necessário tornar as métricas e indicadores mais bem definidos para que alcancem um próximo nível.

“No momento atual, já trabalhamos em cima de algumas questões como engajamento, aculturamento, e disponibilizamos mensalmente dados dos temas relevantes em painéis automatizados para gestão do dia-a-dia. Por outro lado, estamos em um momento de definição e revisão de métricas para poder fazer análises preditivas. Hoje é possível correlacionar e prever alguns indicadores e comportamentos que podem acontecer a curto-prazo por meio de estudos específicos, que estão sendo evoluídos para modelos estatísticos”, conta Sampaio.

Ainda segundo ele, para que se entre na etapa da predição, é necessária a evolução dos modelos e ferramentas de análise, que possam identificar padrões e correlacionar indicadores de recrutamento e seleção, desenvolvimento organizacional entre outros temas, a fim de identificar oportunidades para o RH e para o negócio. Além disso, a empresa já idealiza, também, modelos preditivos de turnover, mas colocá-los em prática efetivamente ainda é um grande desafio.

Outra empresa que tem dado bastante foco à prática de People Analytics no Brasil, em busca de entregar uma robustez cada vez maior a seus modelos de análise de dados de pessoas é Grupo XP. Com um crescimento exponencial nos últimos anos – e com altas expectativas de aumentá-lo ainda mais –, tornou-se necessário para a companhia olhar com mais atenção para isso, sob o ponto de vista de que a inovação dos processos deve acompanhar o ritmo de expansão da empresa.

De acordo com Victor Gomes, cientista de dados sênior na área de Gente e Gestão no grupo, a área de People Analytics da companhia criou as bases para a aplicação da prática e busca um ponto de maturação e aperfeiçoamento dos modelos para que possa, em um futuro próximo, realizar análises preditivas que gerem valor ao negócio. 

“No cenário atual, a partir dos modelos que criamos, já é possível fazer algumas previsões, mas que ainda não são perfeitas. Já conseguimos mapear, por exemplo, quais fatores afetam a percepção de um colaborador a respeito da empresa e o eNPS (employee Net Promoter Score, um indicador de satisfação) atribuído pelo funcionário. Feito isso, já conseguimos focar nossas ações em cima dos fatores que pesam mais. O People Analytics guia o processo, colhe e analisa o dado, descreve o cenário, tenta modelar e prever o futuro e leva para quem está na ponta para a tomada de decisões”, explica Gomes.

Segundo ele, por fim, em relação a resultados já alcançados, o People Analytics contribuiu com um crescimento de mais de 140% no eNPS desde o fim de 2018, quando se iniciou a mensuração, e uma redução na taxa de turnover da empresa.

A possibilidade de antencipação

De acordo com uma análise realizada pela Deloitte, a partir do momento em que a prática de analytics puder mostrar às empresas o que seus funcionários tendem a decidir em um futuro a curto, médio ou longo prazo, como um pedido de demissão, as organizações podem, antecipadamente, responder com ações.

predição 2

Intervir em casos como esse, claramente, é apenas um exemplo de como uma análise preditiva pode ser útil, mas a parte atrativa da tecnologia dessa prática é que, eventualmente, ela possibilitará um comportamento proativo por parte das empresas, sem a necessidade de intervenções. 

A Física Social no People Analytics

Apesar de se apresentar como um longo e árduo caminho para que as empresas cheguem nesse nível de análise e predição, existem motivos científicos que podem facilitar esse processo. De acordo com uma publicação da Interesting Engineering, Alex Pentland, professor do MIT e já considerado pela Forbes um dos cientistas de dados mais influentes do mundo, desenvolveu, anos atrás, um novo paradigma para machine learning baseado em inteligência artificial.

Para isso, utilizou-se de uma teoria sobre o comportamento humano, que prevê decisões futuras por meio de padrões comportamentais. Associando isso à Física, nomeou-a Física Social, e sua pesquisa demonstrou que as pessoas se comportam de maneira matematicamente previsível. A partir disso, Pentland fundou, em 2014 a Endor, em Tel Aviv, Israel. A startup é pioneira no fornecimento de soluções baseadas em inteligência artificial para analytics preditivos. 

Segundo a publicação, a empresa possibilita a automação e democratização de inteligência artificial e ciência de dados, visto que permite um fácil acesso a um número ilimitado de respostas. E, de certa forma, resolve o problemas de empresas que nem sempre possuem orçamento para criar times de ciência de dados, muitas vezes essenciais para guiar a empresa para um futuro data-driven. Em duas rodadas de investimento, conforme dados do Crunchbase, a Endor captou US$ 50 milhões. 

Saiba o que os profissionais de grandes empresas e especialistas estão falando sobre o tema em entrevistas completas aqui

Botão Voltar ao topo