Com certeza a resposta para essa pergunta virá melhor de você do que de nós, já que o People Analytics deve atender aos interesses específicos da sua organização e se encaixar à sua realidade.
Portanto, este artigo não tem qualquer pretensão de trazer respostas prontas e nem aprofundar em discussões técnicas sobre métodos. Nosso objetivo é fazer com que, por meio das perguntas certas e de algumas pinceladas sobre o tema, você termine a leitura com maior clareza do caminho para o iniciar esta grande transformação.
A Salt, 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 próximos 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.
Quais problemas de negócio queremos resolver?
Lembra no primeiro artigo quando falamos sobre como o RH está assumindo, cada vez mais, um papel estratégico para o negócio?
Este é um lembrete importante para reforçar que nosso objetivo principal é ajudar as organizações a resolverem seus problemas de negócio por meio de uma gestão de pessoas mais proativa, eficiente e estratégica.
Quando falamos de problemas de negócio, estamos falando daqueles que impedem a organização de gerar mais resultados dentro da sua missão, estratégia e estrutura.
Por exemplo, se o processo seletivo de uma empresa contratam pessoas que não se encaixem na organização e que em poucos meses deixam a posição, como consequência haverá queda na produtividade, aumento nos custos da empresa e retrabalho para reposição.
Se estas consequências afastarem a organização da sua missão e objetivos estratégicos, então você estará diante de um problema de negócio e não apenas de um problema processual do departamento pessoal.
É por isso que os objetivos e métricas do RH não podem estar descolados dos objetivos estratégicos do negócio.
Tendo feito essa colocação inicial, é fundamental darmos luz para os problemas de negócio que a empresa possui (ou que achamos que possui) e que estão fortemente relacionados a pessoas.
Alguns deles talvez já estejam evidentes para o RH, pela alta frequência de ocorrência durante as atividades mais operacionais ou pela ênfase dada a eles durante as reuniões.
Porém, outros problemas de cunho mais estratégico ou que ocorram com maior intensidade sob a lente de outras áreas e papéis, podem passar despercebidos. Por isso, é importante que se converse com pessoas de diferentes áreas e cargos e se compreenda o cenário de uma forma mais completa.
Por fim, saiba diferenciar o que são problemas tático-operacionais e problemas estratégicos. Como estamos no início do processo, não foque tanto nos “comos”, investigue a fundo os “porquês”. Afinal, de nada adianta aplicar as melhor técnicas das ferramentas mais avançadas se você estiver indo para a direção errada.
Quais hipóteses já possuímos sobre estes problemas?
Com os problemas na mesa, é possível dar início ao levantamento das principais hipóteses existentes em torno deles. Quais são os principais fatores correlacionados? Quais consequências ele traz para os objetivos da organização? Quais custos são gerados com sua ocorrência? Quem são as pessoas envolvidas nesta questão?
Até mesmo achismos infundados são importantes neste momento, uma vez que podem representar uma crença limitante ou viés histórico presente na cultura da organização.
Da mesma forma como sugerimos que o mapeamento dos problemas ocorresse com diversas amostras de colaboradores, o levantamento de hipóteses também deve ser amplo, afinal todo ponto de vista é a vista de um ponto e não faria sentido criarmos um modelo baseado somente na realidade enxergada por um grupo específico.
Para a construção dessas hipóteses, vale lembrar de três orientações básicas oriundas do pensamento científico. Um boa hipótese deve ser:
- Afirmativa: hipóteses não são perguntas, podemos dizer que são achismos estruturados sobre uma questão específica.
- Clara: precisam conseguir expressar de forma simples e objetiva exatamente o que está em jogo.
- Sujeita a negação: uma afirmação que não é passível de negação ou é uma certeza, ou não terá utilidade para os fins do trabalho.
Como transformar problemas de negócio em problemas matemáticos?
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 matemáticos para responder perguntas relativas ao negócio.
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?
Neste momento, é importante entender em qual nível de maturidade com dados sua empresa se encontra. Se o seu objetivo é iniciar a implantação do People Analytics como modelo de gestão de pessoas, provavelmente ela se encontra entre o nível 1 e 3.
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 deixam rastros digitais que dizem muito sobre o comportamento dos colaboradores.
Com os dados extraídos de um (ou vários) sistema-fonte, é necessário tratá-los individualmente, convertê-los em um formato que possa ser analisado e carregá-los em uma base única, também conhecida como Data Warehouse.
Nesse processo, é provável que muitas inconsistências sejam identificadas. Dados faltantes, duplicados, ambíguos, com erros de digitação e formatação, incoerentes com as regras de negócio, etc. Por isso será necessário aplicar diversos métodos estatísticos acompanhado pelo olhar crítico do profissional de RH para correção da amostra.
Com a base de dados pronta, é possível realizar as análises a partir do cruzamento de indicadores, segmentação de amostra, identificação de correlação entre variáveis, aplicação de modelos estatísticos para verificação de tendências, etc.
Existem inúmeros modelos que podem ser aplicados para fornecer melhor análise, mas que devem ser adequados às necessidades de cada hipótese.
Antes de se chegar a qualquer conclusão sobre validação ou invalidação das hipóteses, é necessário que haja uma rigorosa análise qualitativa dos profissionais envolvidos no problema de negócio em questão e verificação da ocorrência ou não de vieses estatísticos, como o problema das variáveis omitidas, o problema da causalidade reversa, o paradoxo de Simpson, viés da seleção, etc. (podemos fazer um artigo só para falar desses problemas de inferência).
Como comunicar informação a partir dos dados?
Por fim mas não menos importante, é preciso saber comunicar os dados, as informações e os insights para os tomadores de decisão e demais colaboradores da empresa.
Vale lembrar que o conceito de comunicação vem do latim communicare, que significa tornar comum, compartilhar, associar. Ou seja, por mais que você crie modelos preditivos e prescritivos extremamente robustos, pouco vai adiantar se as pessoas não compreenderem a mensagem por trás e como elas podem utilizar daquilo ao seu favor.
Pelo conceito apresentado no livro Storytelling com Dados, contar histórias nesse contexto tem o sentido de criar um modelo de representação capaz de comunicar com clareza e eficiência até mesmo as ideias mais complexas.
Para isso, existem 3 dicas importantes:
- Saiba para quem a história será contada e customize a informação;
- Seja objetivo e não perca tempo com dados inúteis;
- Seja objetivo, mas não conte a história pela metade.
Esperamos que de alguma forma este conteúdo tenha agregado para os seus objetivos e desafios e como falamos no início, ainda é possível aprofundar em muitas outras discussões quando falamos de People Analytics. Se quiser continuar recebendo nossos conteúdos, fique ligado(a) no nosso site, siga nossa página do LinkedIn e nosso perfil no instagram.
Nenhum comentário ainda