Conteúdos de People Analytics

Você saberia responder por que as pessoas deixam as organizações e qual o impacto disso?

Perder um colaborador com performance acima da média e que ocupa posição chave na organização, pode custar de 2 a 3 vezes sua remuneração anual.

Pode parecer exagero, mas quando um talento vai embora, leva consigo muitos outros recursos diretos e indiretos investidos pela empresa e também aqueles construídos por conta própria.

Custos com contratação, onboarding, formação de liderança, reposição da posição, perda de performance, de conhecimento acumulado sobre a função, de relacionamento com clientes, fornecedores, colaboradores, impacto cultural. Custos que vão muito além daqueles envolvidos diretamente na operação do desligamento.

Por consequência, a maior parte das empresas tem se atentado a essa questão. Métricas de turnover se tornaram KPIs obrigatório nos RHs de grandes empresas, por mais que eles possam representar níveis diferentes de desafios para cada uma delas.

Porém, como transformar os dados de turnover em informação?

Se você possui uma meta de turnover e sabe como está sendo a evolução deste indicador ao longo do ano, é um bom começo. Mas se quiser ganhar profundidade para entender se existem problemas na organização e como resolvê-los, é necessário transformar os dados em informação.

Neste artigo vamos tratar de 3 dicas rápidas para te ajudar a refinar as análises, mas vale pontuar que o processo completo do People Analytics aplicado a turnover compreende uma sequência de outras etapas que não serão abordadas aqui.

1. Classificação dos tipos de turnover

Quando falamos de turnover não podemos colocar todos os colaboradores que saíram da empresa em um único pacote. De acordo com o objetivo da análise, é importante que os agrupamentos mais adequados sejam realizados.

Podemos pontuar alguns tipos de classificação de turnover mais comuns:

• Turnover Involuntário: quando o colaborador deixa a empresa e sem ter escolha, é uma decisão da companhia.

• Turnover Voluntário: quando o colaborador deixa a empresa por escolha própria, é uma decisão de livre arbítrio do colaborador.

Dentre a categoria de turnover voluntário, ainda é possível quebrar nas seguintes categorias:

• Evitável: quando o colaborador deixa a empresa por escolha própria e havia o que ser feito para prevenir sua saída.
• Não evitável: quando o colaborador deixa a empresa por escolha própria e razões completamente não relacionadas com qualquer aspecto que a companhia pudesse ter controle.

Além disso, é importante analisar que nem todo turnover, mesmo que voluntário, é necessariamente ruim para a empresa. Para fins de avaliação crítica sobre o indicador, também é possível classificar em:

• Crítico: quando o colaborador deixa a empresa por escolha própria e, no momento da saída, apresentava uma performance média acima da média dos demais colaboradores e/ou ocupava uma função de know-how crítico.
• Não crítico: quando o colaborador deixa a empresa por escolha própria e, no momento da saída, apresentava uma performance média abaixo dos demais colaboradores e/ou ocupava uma função de fácil reposição no mercado.

Mas por que é relevante visualizar os dados por essa classificação?

Porque quando não há a categorização do tipo de turnover, o resultado da análise pode ser mascarado e a empresa acabar não identificando diversos problemas reais que impactam negativamente tanto o indicador quanto sua performance geral.

Por exemplo, se quisermos comparar dois gestores com times de 10 liderados diretos considerando que cada um perdeu ao longo do ano 2 colaboradores, ambos teriam uma taxa de 20% de turnover no ano como resultado. Mas se um deles tivesse 2 saídas por turnover voluntário não-evitável, e o outro tivesse 2 saídas por turnover voluntário-evitável, será que a conclusão deveria ser a mesma?

2. Segmentação por características comuns

Outra prática interessante para transformar os dados em informações e gerar insights nas análises, é realizar grupos de colaboradores por características comuns e verificar como o turnover se comporta para cada um destes grupos.

Os grupos podem ser divididos de acordo com as necessidades e hipóteses de cada organização. Mas para exemplificar, podemos trazer alguns agrupamentos comuns como: perfil demográfico, perfil comportamental, estrutura organizacional, funções, estrutura geográfica, etc.

Além de possibilitar análises mais profundas sobre turnover, também é possível personalizar os reports para diferentes públicos e necessidades, melhorar a efetividade dos esforços para retenção e otimizar investimentos devido ao entendimento das necessidades coletivas.

3. Revisão dos questionários da pesquisa de desligamento

Caso a sua empresa não aplique pesquisas de desligamento, pode ser interessante refletir sobre a possibilidade, já que será a última oportunidade de realizar algumas perguntas antes da saída da pessoa.

Estas pesquisas ajudam a classificar os tipos de turnover (que falamos no primeiro ponto), identificar os competidores de mercado que ameaçam seus talentos, entender a estratégia dos competidores, e aprender o que pode ser feito para melhorar a retenção dos colaboradores na empresa.

Sabendo da sua importância, quais são os desafios mais comuns presentes nas pesquisas de desligamento e que demandam maior atenção?

• Baixo engajamento nas respostas: grande parte das empresas que aplicam a pesquisa de desligamento têm uma taxa de respostas válidas menor do que 30%. Muitas respostas acabam sendo declaradas como “razão desconhecida” devido à aplicação ser realizada quando o colaborador já não está mais na empresa e falha nos follow ups.
• Desconfiança sobre a anonimidade: outro fator que prejudica a adesão de colaboradores com respostas honestas ao questionário é a falta de confiança sobre o sigilo e anonimidade das respostas fornecidas. Pela ótica do colaborador, ele só tem a se prejudicar sendo sincero nas respostas. Esse fator é amenizado quando a pesquisa é aplicada por empresas terceirizadas, mas ainda assim o receio é frequente.
• Erros de formulação dos questionários: questionários elaborados por pessoas que não são profissionais de pesquisa muitas vezes apresentam perguntas que enviesam a resposta do colaborador para uma direção específica e partem de pressupostos não necessariamente verdadeiros.
• Foco nas perguntas erradas: mais importante do que compreender os detalhes em torno do porquê, é questionar também para onde a pessoa está indo, há quanto tempo está decidida, como foi a tomada de decisão.
• Interpretações equivocadas: muitas vezes a análise realizada gera algumas inferências de causalidade que não são verdadeiras e que precisam ser melhor investigadas com o suporte de dados externos à pesquisa. Além disso, também é importante analisar grupos de comparação envolvendo também os colaboradores que permaneceram antes de chegar a qualquer conclusão.

Agora com a revisão de todos esses pontos, já consigo ter um modelo preditivo de turnover para minha empresa?

Depende. Os dados da pesquisa de desligamento também possuem seus vieses e também podem não contemplar todas as hipóteses de saída dos colaboradores. Sendo assim, é importante dar um passo por vez.

Este artigo tratou de algumas dicas para que você possa começar a refletir e aplicar de imediato na sua organização, mas caso tenha interesse em implementar o People Analytics enquanto modelo de gestão de pessoas, estamos a disposição para ajudá-los neste desafio.