People Analytics: obtendo insights com Excel e Power BI
RH Data Driven - Apresentação
Boas-vindas! Eu me chamo Bruna Amaral. Neste curso, vamos falar sobre RH orientado a dados.
Audiodescrição: Bruna Amaral se descreve como uma mulher parda. Tem cabelos e olhos castanhos. Seu cabelo é cacheado e longo. Está solto e tem duas finas tranças na parte da frente. Usa piercing no nariz, brincos de argola e uma blusa preta sem mangas de gola alta. Ao fundo, quarto com iluminação arroxeada.
Vamos trazer uma infinidade de informações importantes para quem já trabalha no RH (recursos humanos), mas deseja começar a utilizar os dados coletados no cotidiano para melhorar os insights e participar de uma cultura que chamaremos de Data Driven (orientada a dados), onde todo o negócio caminha junto.
O que vamos aprender?
Na primeira aula, vamos explorar como o ciclo de dados funciona, como os dados se transformam em informação, depois em conhecimento e, por fim, em insight.
Também aplicaremos inteligência artificial para analisar dados qualitativos. Teremos uma pesquisa de saída da ByteBank, que é a empresa modelo com a qual trabalharemos, para realizar essa análise de dados.
Você também pode aplicar isso na sua empresa, utilizando os documentos que considerar pertinentes para a análise na IA.
Na segunda aula, continuaremos a falar sobre a cultura Data Driven. Vamos entender melhor como podemos coletar dados para nossa empresa, o que é de extrema importância.
Na terceira aula, com os dados coletados, aprenderemos a realizar análises estatísticas com o objetivo de criar um indicador, encontrando um único número entre todas as respostas das pessoas na coleta da pesquisa.
Na quarta aula, trabalharemos com o indicador de turnover (rotatividade). Vamos entender a importância desse indicador e como correlacioná-lo com a média de satisfação da empresa. Também aprenderemos a realizar uma análise preditiva das pessoas funcionárias que estão em risco de sair, dependendo dos critérios que estabelecemos para nossa empresa.
Para finalizar, após ter conhecido uma infinidade de indicadores e métricas e aprendido a usar ferramentas estatísticas, vamos criar um painel no Power BI para apresentar todas essas informações e impressionar as lideranças, além de continuar distribuindo o dado, que é o principal ativo e valor. Portanto, não podemos apenas aprender a analisar; precisamos também extrair essas informações e apresentá-las a quem interessar.
Tudo isso e muito mais aprenderemos neste curso de RH orientado a dados.
RH Data Driven - RH Analytics
Quando falamos em tomar decisões baseadas em dados, é comum observar setores como marketing, produto ou financeiro utilizando bases de dados para corroborar seus projetos. Dificilmente um projeto será aprovado nesses setores sem uma justificativa de dados sólida.
No entanto, quando consideramos o setor de recursos humanos (RH), é comum assumir que é um setor extremamente burocrático, focado em questões administrativas como férias, pagamentos e benefícios. Além disso, é um setor que toma decisões baseadas em relacionamento, ou seja, na confiança que o setor tem nas pessoas funcionárias.
Isso vem de uma cultura antiga de RH. Atualmente, não se pensa mais assim. É possível trazer a realidade de recursos humanos para um contexto orientado a dados, e é isso que vamos entender como fazer.
RH Analytics
Para isso, começaremos a pensar em uma equipe de vendas. Se essa equipe está obtendo bons resultados, ou seja, superando suas metas, certamente há um(a) gestor(a) tomando decisões sobre pessoas. Isso demonstra a importância do setor de recursos humanos para auxiliar na gestão de pessoas e equipes de alta performance.
Se analisamos os setores da empresa (desde produto, pesquisa e desenvolvimento, marketing e até financeiro), todos precisam de pessoas gestoras que tomem decisões pensando no negócio. Se o negócio está crescendo e os setores estão indo bem, significa que anteriormente foi contratada uma pessoa que cumpriu sua função e está ajudando o negócio em sua missão.
Ainda assim, o primeiro passo é passar por recrutamento e seleção, um subsetor de recursos humanos. Foi preciso passar por esse setor para garantir que as pessoas mais alinhadas com a empresa entrem nos outros setores. O papel do setor de recursos humanos é fundamental em vários aspectos, e não apenas nesse.
Projeto oxigênio
Laszlo Bock, vice-presidente de operações de pessoas do Google, afirmou que devemos "trazer o mesmo nível de rigor às decisões de pessoas que fazemos às decisões de engenharia."
Essa fala aconteceu em 2008, quando a maioria das pessoas funcionárias do Google eram da engenharia e tinham costume de lidar com dados. Isto é, compreendiam a importância e sabiam manipulá-los bem. No entanto, na área de gestão de pessoas, prevalecia a cultura burocrática e de decisões baseadas em relacionamento.
O Google oferece inúmeros benefícios em seu ambiente de trabalho, como salas de descompressão bem equipadas, 20% do horário de trabalho dedicado a projetos pessoais e alimentação gratuita no restaurante da empresa.
Todas essas ações foram baseadas em dados e estratégias para melhorar a produtividade das pessoas funcionárias. Isso foi chamado de projeto oxigênio, no qual Laszlo buscou trazer mais criteriosidade numérica, assim como nos projetos de engenharia.
A problemática do projeto era resolver a alta rotatividade. O Google investia em pessoas que permaneciam por um período razoável, mas depois pediam demissão. Laszlo decidiu cruzar dados, trabalhando com dados numéricos sobre as pessoas funcionárias.
A solução foi cruzar dados históricos do setor de RH e ampliar o número de pesquisas e consultas as próprias pessoas funcionárias para entender o que estava funcionando e o que não estava.
Cruzar dados significa analisar colunas com variáveis para identificar correlações com ajuda de algoritmos e até de inteligência artificial.
Por exemplo, poderíamos comparar o nível de satisfação com a quantidade de promoções nos últimos cinco anos.
Após o cruzamento de dados, concluíram que o maior problema estava na dispersão da percepção das pessoas funcionárias sobre sua gestão direta. Isso dá uma pista para a resolução dos problemas.
Haver uma dispersão na percepção significa que algumas pessoas avaliam a gestão como nota 10, enquanto outras a avaliam como nota 1. Por que diferentes pessoas têm percepções tão distintas da mesma gestão? Não segue um padrão, é disperso.
Laszlo investigou mais a fundo, com análise de dados e pesquisas, e identificou que as oportunidades de crescimento e a qualidade do feedback de gestores eram os principais motivos para a saída de talentos.
Embora possam haver outros motivos, as análises estatísticas buscam padrões. As duas categorias principais foram a falta de oportunidades de crescimento e a qualidade do feedback, especialmente para o perfil altamente inteligente e motivado de profissionais do Google.
Com isso, a empresa entendeu que precisava melhorar esses aspectos para reter mais pessoas, diminuir a rotatividade e, consequentemente, ter um impacto maior no negócio. Com esse projeto, entendemos claramente a relação entre o setor de RH, o negócio e a pessoa funcionária.
Conclusão
Percebemos que ter uma cultura orientada a dados não é exclusividade de setores como produto, marketing ou financeiro. O setor de RH deve ter uma cultura orientada a dados para informar ao negócio a importância de determinadas decisões, a partir de métricas, indicadores ou projetos, com intuito de reter mais pessoas funcionárias e reduzir custos. Afinal, com custos menores, o lucro é maior.
É importante trazer esse tipo de argumentação e não se isolar em seu setor. A cultura Data Driven exige comunicação constante entre setores, o que faz a diferença entre o setor de RH, o negócio e a pessoa funcionária.
RH Data Driven - Categorizando informações de RH
Existe o que chamamos de Big Data, que é o grande volume de informações geradas na internet em tempo real.
Big Data no RH
Trouxemos o infográfico do "Dados Nunca Morrem", versão 11.0 de 2023, que mostra como as pessoas consomem muito conteúdo digital e estão sempre presentes no que diz respeito à tecnologia. Grandes empresas como WhatsApp, Google e Amazon movimentam muitos números, não apenas financeiramente, mas também em termos de dados.
No setor de RH, também se aproveita muito desse Big Data, ou seja, desse volume de informações compartilhadas na internet. Existem inúmeras marcas presentes nos diversos setores do RH.
No onboarding e offboarding, temos empresas como a Lugarh e a UR. Para aprimoramento e cuidado, temos o Flash e o Gympass. Esses são alguns exemplos de empresas que utilizam soluções em dados para auxiliar outras empresas a fazer o gerenciamento de pessoas.
Evolução no processo de dados
Para utilizar soluções em dados, precisamos entender o que é o dado, de onde ele vem, porque é importante e como começamos a analisá-lo. É necessário dar um passo atrás antes de aplicar diretamente soluções.
O dado é um valor atribuído a algo. É um conceito criado pelo ser humano para interpretar a realidade complexa.
Não é que sempre existiu um dado; foi um conceito criado para possibilitar raciocínios lógicos. Com o tempo, acompanhando esse raciocínio lógico, surgiram tecnologias que trabalham com grandes volumes de dados. O dado, a priori, é a forma mais básica da informação, aquela que ainda chega sem que saibamos ao certo como ela nos ajudará.
Vamos entender melhor como funciona a evolução no processo do dado, desde que é um dado bruto até que consigamos tomar alguma decisão com ele.
Quando é um dado bruto, ele chega sem unidade de medida e sem referência clara, então não há muito o que fazer com ele. Ao passar de dado para informação, já conseguimos deduzir algo. Por exemplo, ao colocar uma unidade de medida como metro, sabemos que o número refere-se a um tamanho.
Para transformar informação em conhecimento, precisamos praticar mais a abstração para entender como o dado se classifica e categorizá-lo para cruzar informações. Ao saber como essas variáveis de relacionam, começamos a formular hipóteses sobre a análise de dados.
Quando temos algum insight significa que conseguimos perceber padrões interessantes nos dados, ou também a ausência deles. Finalmente, conseguimos, através da nossa competência e expertise, usar a sabedoria para tomar decisões.
Para exemplificar, suponha que recebemos a informação de um dado como -1500. A priori, não sabemos o que esse número significa. Não sabemos se é uma unidade de medida, como metro, ou algo como banana ou maçã.
O sinal negativo também não significa nada até atribuirmos um significado para esse número. Ao fazer isso, conseguimos sair do dado e chegar na informação. Por exemplo, colocando um cifrão na frente, podemos interpretá-lo como um saldo de dinheiro.
Para passar da informação para o conhecimento, é necessário fazer alguma abstração sobre aquele valor. Nesse caso, com ajuda de conhecimentos prévios, podemos concluir que um saldo negativo indica que a pessoa está endividada.
A partir do conhecimento desse dado, podemos ter insights através da nossa competência e experiência e tomar decisões sábias. Se estamos no contexto de um banco, podemos procurar estratégias para tirar a pessoa da dívida. Esse seria nosso objetivo final.
Categorização de informações de RH
Como o dado foi criado pelo ser humano para interpretar uma realidade complexa, vamos tentar extrair o que conseguimos da seguinte imagem:
Se necessário, pause o vídeo e observe os objetos, tentando categorizar o que essa fotografia representa.
Desse modo, percebemos que os elementos podem ser categorizados como brinquedos infantis, como peças de Lego. Dentre a enorme variedade de brinquedos, também podemos encaixá-los em uma subcategoria, pois são brinquedos desmontáveis.
Além disso, podemos categorizá-los por cor (verde, amarelo, laranja ou branco), condição (novo ou usado), tamanho (pequeno, médio e grande) e material (plástico, metal, aço).
Contudo, não fazemos essa categorização aleatoriamente. É preciso tentar definir ainda mais. É por isso que categorizamos os dados como quantitativos e qualitativos.
Dados quantitativos podem ser expressos em números, como o tamanho em centímetros dos brinquedos. Enquanto dados qualitativos não podem ser quantificados, como a cor dos brinquedos.
Quando categorizamos e entendemos os diferentes tipos de dados presentes em uma realidade, estamos colocando uma lupa nessa realidade para investigar de perto como ela funciona. Afinal, não conseguimos avaliar tudo de maneira ampla.
Para entender como uma realidade funciona, é precisamos começar do pequeno para depois ampliar.
Ainda no contexto dos Legos, trouxemos um gráfico que mostra a quantidade de brinquedos vendidos no eixo vertical versus o tamanho desses brinquedos no eixo horizontal.
Podemos constatar que foram vendidas apenas 25 unidades de Legos com tamanhos menores que 5 centímetros, enquanto Legos de 5 a 7 centímetros tiveram uma venda de 50 unidades. Já Legos de 8 a 10 centímetros venderam em torno de 90 unidades.
Em outras palavras, quanto maior o tamanho do Lego, mais ele vende. Podemos formular hipóteses do motivo dessa correlação, como o risco de engasgo com Legos pequenos. Depois disso, é preciso testar essa teoria.
Próximos passos
A partir da categorização dados, começamos a refletir sobre uma realidade específica. Isso também é aplicável no RH. É importante analisar as práticas de RH dessa forma.
No próximo vídeo, entenderemos como utilizar a inteligência artificial para ajudar na análise de dados.
Sobre o curso People Analytics: obtendo insights com Excel e Power BI
O curso People Analytics: obtendo insights com Excel e Power BI possui 137 minutos de vídeos, em um total de 49 atividades. Gostou? Conheça nossos outros cursos de em Inovação & Gestão, ou leia nossos artigos de Inovação & Gestão.
Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:
- RH Data Driven
- Coleta e tratamento de dados
- Estatística para RH
- Recrutamento e seleção Analytics
- Painel de dados de RH