Em pouco mais de um ano de existência, a Salt RH já participou da implementação e de projetos de melhoria em People Analytics para algumas das maiores empresas do Brasil. Com isso, vimos de perto os desafios dessas empresas na adoção de modelos mais orientados a dados.
Com base nessas vivências práticas e nas bases teóricas existentes sobre o assunto, conseguimos mapear quais as principais competências requeridas para People Analytics e perfis de profissionais considerados importantes para o sucesso da área. Confira a seguir qual o principal modelo de referência e em quais tipos de profissionais sua empresa precisa investir para montar uma equipe de People Analytics.
Modelo das 7 competências requeridas para People Analytics
A abordagem mais utilizada para ilustrar as habilidades e competências requeridas para People Analytics é o modelo criado por Morten Kamp Andersen e, mais tarde, ajustado por um dos maiores especialistas de People Analytics no mundo, David Green.
De acordo com a lista, para termos o máximo impacto em People Analytics, o profissional necessita:
- Ter bons conhecimentos em dados
- Ser bom em Storytelling
- Ter conhecimentos na área de negócios
- Dominar técnicas de visualização de dados
- Ter habilidades sólidas em psicologia
- Dominar números e estatística
- Expertise em Gerenciamento de Mudanças
O que é mais importante sobre o modelo das 7 competências para People Analytics?
O ponto principal desse modelo é que não ter uma das competências requeridas para People Analytics já pode ser suficiente para que a área fracasse. Por isso, é necessário buscar profissionais com perfil e competências aderentes a esse cenário ao montar uma equipe ou, então, decidir terceirizar partes do trabalho – caso sua empresa não tenha profissionais com conhecimento em tratamento de bases de dados, é possível contratar uma empresa especializada para realizar o trabalho, por exemplo.
Outro ponto a ser observado é a multidisciplinariedade das competências para People Analytics, como saber estatística e dados, negócios e psicologia – o que nos leva a concluir que, em geral, os profissionais de People Analytics precisam ter um certo nível de conhecimento das competências de outras áreas.
O engenheiro de dados que irá construir o data lake (repositório centralizador, que armazena todos os tipos de dados gerados pela e para a empresa) de RH, por exemplo, precisa ter noções mínimas de RH e psicologia para montar a estrutura. Ele poderá ter suporte de um especialista em RH, mas as bases de dados da área são tão diversas que, caso não tenha conhecimentos suficientes, o profissional não conseguirá prever todas as possíveis variações e cruzamentos de dados.
Ao mesmo tempo, o especialista em RH precisa ter conhecimentos básicos de banco de dados para entender as possibilidades que os dados disponíveis podem oferecer e quais os impactos das decisões relacionadas aos bancos.
Essa necessidade de conhecimentos complementares impossibilita que seja montada uma equipe de uma pessoa só – o que aumenta o número de contratações e, por consequência, os custos para que a empresa implemente People Analytics com sucesso dentro de casa.
Com base em nossa experiência, o que acrescentamos ao modelo?
– Ética é fundamental: Por mais que todos os profissionais devam ser éticos, a responsabilidade por esse ponto deve recair sobre o profissional analista de RH. E com o potencial de impacto que People Analytics traz para a operação, a preocupação com a ética se amplifica.
Imagine, por exemplo, que foi desenvolvido um modelo preditivo de desempenho e são detectados na empresa profissionais com 99% de probabilidade de um desempenho baixo nos próximos anos, o que levaria alguns gestores a pensar em já demitir esses colaboradores como medida preventiva.
Isso seria uma aplicação inadequada de People Analytics, pois não basta gerar insights: é necessário construir análises considerando as possíveis aplicações para a tomada de decisão.
– Dados bons são dados seguros: A preocupação com a segurança da informação e com o uso correto dos dados são pré-requisitos para qualquer trabalho de People Analytics e devem ser constantes, ainda mais em um cenário de LGPD em vigor.
– Diferenciar RH e Psicologia: Essa divisão é importante no mapeamento de competências do profissional, para que seja possível entender os dados de pessoas (o que requer conhecimentos em Psicologia) e, ao mesmo tempo, entender o funcionamento dos subsistemas de RH. Além disso, outro ponto fundamental em uma equipe de People Analytics é conhecer profundamente a legislação trabalhista.
– Agilidade é fundamental: Estruturar a área de People Analytics dentro de casa requer um investimento considerável. Além disso, devido à troca constante entre PA e outras áreas da empresa, uma parte considerável das demandas ocorre por projetos. Considerando o trabalho por projetos e o custo, o modelo ágil de gestão é o mais adequado para garantir a eficácia e eficiência da área. Além disso, as entregas por ciclo de trabalho (Sprint) e os quick wins ajudam a justificar o investimento e a entrega de valor gerada pela área.
Conclusão
Para a garantia de sucesso da equipe de People Analytics, é necessário contar com profissionais que, além de saber tratar e analisar dados, possam adequar as análises às necessidades de RH e negócios e fazer com que sejam exibidas em uma forma clara de visualização.
Com isso, entendemos que estruturar uma área de People Analytics nas empresas demanda tempo e um investimento considerável para a contratação de profissionais multidisciplinares, bem como para iniciar a compilar e tratar os dados antes de implementar modelos preditivos e gerar análises de valor para a empresa.
É possível terceirizar uma parte do trabalho para acelerar a implementação ou sanar eventuais pontos em que a empresa ainda não tem as competências requeridas para People Analytics como, por exemplo, construir uma plataforma para extrair e tratar os dados corretamente. Se sua empresa ainda não possui uma área de People Analytics ou precisa de suporte, conte com as soluções tecnológicas da Salt RH para apoiar a operação!
Nenhum comentário ainda