People analytics para leigos [1 ed.] 9786555201611, 9781119434764

Bem-vindo ao People Analytics Para Leigos, um livro escrito por pessoas abertas à ideia de que nada precisa ser contradi

222 36 12MB

Portuguese Pages 615 Year 2020

Report DMCA / Copyright

DOWNLOAD PDF FILE

Table of contents :
Introdução
Parte 1
Introdução à Metodologia People Analytics
Capítulo 1
Apresentação do People Analytics
Capítulo 2
Justificando um Caso Comercial para o People Analytics
Capítulo 3
Comparando as Abordagens do People Analytics
Parte 2
Elevando Sua Perspectiva
Capítulo 4
Segmentando para Ter Perspectiva
Capítulo 5
Descobrindo uma Visão Útil nas Diferenças
Capítulo 6
Estimando o Valor do Tempo Empresa
Capítulo 7
Ativando o Valor
Parte 3
Quantificando a Jornada do Funcionário
Capítulo 8
Mapeando a Jornada do Funcionário
Capítulo 9
Atração: Quantificando a Fase de Aquisição de Talentos
Capítulo 10
Ativação: Identificando os ACCs de um Trabalhador Produtivo
Capítulo 11
Abandono: Analisando o Comprometimento e o Abandono do Funcionário
Parte 4
Melhorando Sua Estratégia com Ciência e Estatística
Capítulo 12
Medindo Ideias Confusas com Pesquisas
Capítulo 13
Priorizando o que Focar
Capítulo 14
Modelando Dados do RH com a Análise de Regressão Múltipla
Capítulo 15
Fazendo Previsões Melhores
Capítulo 16
Aprendendo com Experimentos
Parte 5
A Parte dos Dez
Capítulo 17
Dez Mitos do People Analytics
Capítulo 18
Dez Armadilhas do People Analytics
Recommend Papers

People analytics para leigos [1 ed.]
 9786555201611, 9781119434764

  • 0 0 0
  • Like this paper and download? You can publish your own PDF file online for free in a few minutes! Sign Up
File loading please wait...
Citation preview

People Analytics Para concluir qualquer projeto com importância duradoura no people analytics, é preciso dominar os conceitos e as atividades que residem em muitos domínios diferentes. Aqui há algumas informações sobre esses domínios, conceitos e atividades.

ESTRUTURA DO PEOPLE ANALYTICS Um modo de definir o people analytics é dizer que a análise de pessoas é o que está na interseção entre a estratégia de pessoas, a ciência estatística e sistemas (veja a próxima figura). Se você tirar uma das quatro estruturas, pode ter algo parecido com o people analytics, talvez até um precursor dele, mas não seria a metodologia correta.

Estrutura do People Analytics (Interseção).

DESIGN E DESENVOLVIMENTO DO PEOPLE ANALYTICS

A figura a seguir mostra uma comparação entre os fluxos de trabalho do design e do desenvolvimento dedutivo e indutivo do people analytics.

Os Cinco Modelos do People Analytics podem ser organizados para as abordagens indutiva e dedutiva.

PANORAMA DOS TRABALHOS NO SISTEMA PEOPLE ANALYTICS A figura a seguir mostra um panorama de alto nível dos cinco trabalhos essenciais dos sistemas de tecnologia na análise.

Panorama dos Trabalhos nos Sistemas da Metodologia.

People Analytics

Mike West

A compra deste conteúdo não prevê o atendimento e fornecimento de suporte técnico operacional, instalação ou configuração do sistema de leitor de ebooks. Em alguns casos, e dependendo da plataforma, o suporte poderá ser obtido com o fabricante do equipamento e/ou loja de comércio de ebooks.

People Analytics® Para Leigos® Copyright © 2020 da Starlin Alta Editora e Consultoria Eireli. ISBN: 978-6-555-20161-1 Translated from original People Analytics For Dummies®. Copyright © 2019 by John Wiley & Sons, Inc. ISBN 978-1-11943476-4. This translation is published and sold by permission of John Wiley & Sons, Inc., the owner of all rights to publish and sell the same. PORTUGUESE language edition published by Starlin Alta Editora e Consultoria Eireli, Copyright © 2020 by Starlin Alta Editora e Consultoria Eireli. Todos os direitos estão reservados e protegidos por Lei. Nenhuma parte deste livro, sem autorização prévia por escrito da editora, poderá ser reproduzida ou transmitida. A violação dos Direitos Autorais é crime estabelecido na Lei nº 9.610/98 e com punição de acordo com o artigo 184 do Código Penal. A editora não se responsabiliza pelo conteúdo da obra, formulada exclusivamente pelo(s) autor(es). Marcas Registradas: Todos os termos mencionados e reconhecidos como Marca Registrada e/ou Comercial são de responsabilidade de seus proprietários. A editora informa não estar associada a nenhum produto e/ou fornecedor apresentado no livro. Publique seu livro com a Alta Books. Para mais informações envie um e-mail para [email protected] Obra disponível para venda corporativa e/ou personalizada. Para mais informações, fale com [email protected] Erratas e arquivos de apoio: No site da editora relatamos, com a devida correção, qualquer erro encontrado em nossos livros, bem como disponibilizamos arquivos de apoio se aplicáveis à obra em questão. Acesse o site www.altabooks.com.br e procure pelo título do livro desejado para ter acesso às erratas, aos arquivos de apoio e/ou a outros conteúdos aplicáveis à obra. Suporte Técnico: A obra é comercializada na forma em que está, sem direito a suporte técnico ou orientação pessoal/exclusiva ao leitor. A editora não se responsabiliza pela manutenção, atualização e idioma dos sites referidos pelos autores nesta obra. Produção Editorial Editora Alta Books Gerência Editorial Anderson Vieira Gerência Comercial Daniele Fonseca Produtor Editorial Illysabelle Trajano Juliana de Oliveira Thiê Alves Marketing Editorial Lívia Carvalho [email protected] Coordenação de Eventos Viviane Paiva [email protected] Editor de Aquisição José Rugeri [email protected] Ouvidoria [email protected] Equipe Editorial Ian Verçosa Maria de Lourdes Borges Raquel Porto Rodrigo Dutra Thales Silva Equipe de Design Larissa Lima Paulo Gomes Tradução Eveline Vieira Machado

Tradução/Copidesque Alessandro Thomé Revisão Gramatical Hellen Suzuki Thamiris Leiroza Revisão Técnica Tomas Drunkenmolle e Daniela Martins - Especialistas em People Analytics Adaptação para formato e-Book Joyce Matos

Dados Internacionais de Catalogação na Publicação (CIP) de acordo com ISBD

W516p West, Mike People Analytics para Leigos/Mike West; Rio de Janeiro: Alta Books, 2020. ISBN: 978-6-555-20161-1 1. Administração. 2. Negócios. 3. People Analytics. 4. Projeto de Análise. I. Título. II. Série 2020-728 Rua Viúva Cláudio, 291 — Bairro Industrial do Jacaré CEP: 20.970-031 — Rio de Janeiro (RJ) Tels.: (21) 3278-8069 / 3278-8419 www.altabooks.com.br — [email protected] www.facebook.com/altabooks — www.instagram.com/altabooks

Sobre o Autor Mike West é pioneiro no campo da metodologia people analytics. Foi membro fundador do que agora chamamos de people analytics na Merck, PetSmart, Google, Children’s Health Dallas, Jawbone e Pure Storage. Ele tem bacharelado em Sociologia e Psicologia pela Northern Arizona University e mestrado em Recursos Humanos e Relações Industriais pela Universidade de Minnesota. Sua especialização em Sistemas de Informação de RH (HRIS) se desenvolveu no trabalho, e Mike vem inovando na interseção entre ciência cidadã, estatística, estratégia e sistemas em mais de 10 empresas, em 7 setores, por mais de 20 anos. Mike foi uma das primeiras e poucas contratações de análise na renomada equipe Google People Operations, responsável pelo uso de dados para reinventar os recursos humanos e pelo processo de transformar o Google no ímã de talentos que é hoje. As contribuições de Mike no Google incluíram trabalhar na primeira arquitetura de relatório de dados de RH, primeiro design de pesquisa de funcionários profissional, primeira análise de benefícios, primeira análise de integração de funcionários e primeiro trabalho sobre o abandono de funcionários, que incluía o primeiro modelo de previsão de demissão de funcionários. Desde então, o Google desenvolveu uma das reputações mais impressionantes para a análise de pessoas no mundo e conquistou o primeiro lugar na lista Fortune 100 Best Company to Work For, mais do que qualquer outra empresa na história da premiação: oito vezes, e continua, desde que o Google foi indicado pela primeira vez em 2006. Em 2013, Mike iniciou a primeira empresa de design no nicho do people analytics, a PeopleAnalyst, e fez parceria para fundar duas outras: PeopleFlow LLC e People Analytics LLC. Também foi vice-presidente de Estratégia de Produtos na OneModel INC. Mike é um visionário, arquiteto, orador e autor consagrado da metodologia people analytics, especializado no design e na execução de métodos de gerenciamento de talentos obtidos com dados para empresas cujo futuro sucesso depende da liderança de produtos, agilidade da inovação e inteligência de operações com pessoas.

Normalmente Mike pode ser encontrado em algum lugar entre Austin (TX), São Francisco (CA) e Springfield (MO). Mike o convida para acessá-lo no LinkedIn, onde tem contato com outras pessoas e publicou mais de 50 artigos: www.linkedin.com/in/michaelcwest [conteúdo em inglês].

Dedicatória Este livro é dedicado a todos os que já se candidataram a uma vaga e a perderam para um candidato menos qualificado; qualquer pessoa que já foi admitida para fazer um trabalho e não teve o devido treinamento e apoio para tal; todos os que já se sacrificaram sem esperanças por um gerente ruim; e qualquer um que já tenha ouvido com paciência seu(sua) companheiro(a) falar sem parar sobre suas frustrações no trabalho. Resumindo, este livro é dedicado à humanidade.

Agradecimentos do Autor Nada duradouro pode ser feito sem uma equipe, e a Wiley me forneceu a melhor neste projeto. A editora de aquisições Amy Fandrei iniciou os trabalhos, e Steven Hayes continuou do ponto em que ela parou. O editor de projetos Paul Levesque me colocou no caminho certo, fez mudanças profundas no meu texto e fez as coisas andarem. A copidesque Becky Whitney ajustou o texto e tornou legível este livro. O editor técnico Amit Mohindra manteve minha honestidade quanto aos fundamentos do livro — ele fez seu melhor. Sou o único responsável por quaisquer omissões e erros que passaram. Por falar em pessoas indispensáveis, meu amor para Jaimie Saratella, minha parceira há mais de cinco anos, que continua me amando, apesar de meus defeitos. Também preciso mencionar os muitos amigos, colegas e mentores que me ajudaram no projeto, tendo eles consciência ou não disso. São eles: Steven Grant (Pure Storage), Maria Cespedes (Pure Storage), Rich Tobey (People Analytics), Corey Butler (People Flow), Dave Jobe (MentorTex), Chris Butler (OneModel), Steven Huang (CultureAmp), John Budd (UMN), Connie Wanberg (UMN), Rick Hou (Eyecue Lab), Laszlo Bock (Humu), John Miller (VizableHR), Alvan Santoso (Google), Adam Dorenfield (pesquisa), Craig Heyrman (um alemão cético), Robert Lanning (SLOAP) e Phil Simon (que me ensinou a jogar pôquer, entre outros vícios). Outras pessoas ajudaram, mas fiquei sem tempo de aproveitar a ajuda. Preciso falar especialmente de Maria Cespedes por suas considerações sobre as pesquisas dos funcionários, Corey Butler por suas reflexões sobre tecnologia, Alvan Santoso por sua ajuda ao montar listas dos itens de pesquisa, Tim Weinzirl por criar uma nuvem de palavras para mim, Adam Dorenfield pelas horas incontáveis extraindo pesquisas analisadas por colegas de trabalho, Ryan Hammond por continuar o trabalho de onde parei na Pure Storage, e Rich Tobey por tudo mais que foi feito enquanto eu estava escrevendo.

Sumário Introdução Parte 1: Introdução à Metodologia People Analytics CAPÍTULO 1 APRESENTAÇÃO DO People Analytics CAPÍTULO 2 JUSTIFICANDO UM Caso Comercial para o People Analytics CAPÍTULO 3 COMPARANDO AS Abordagens do People Analytics

Parte 2: Elevando Sua Perspectiva CAPÍTULO 4 SEGMENTANDO PARA Ter Perspectiva CAPÍTULO 5 DESCOBRINDO UMA Visão Útil nas Diferenças CAPÍTULO 6 ESTIMANDO O Valor do Tempo Empresa CAPÍTULO 7 ATIVANDO O Valor

Parte 3: Quantificando a Jornada do Funcionário CAPÍTULO 8 MAPEANDO A Jornada do Funcionário CAPÍTULO 9 ATRAÇÃO: QUANTIFICANDO a Fase de Aquisição de Talentos CAPÍTULO 10 ATIVAÇÃO: IDENTIFICANDO os ACCs de um Trabalhador Produtivo CAPÍTULO 11 ABANDONO: ANALISANDO o Comprometimento e o Abandono do Funcionário

Parte 4: Melhorando Sua Estratégia com Ciência e Estatística CAPÍTULO 12 MEDINDO IDEIAS Confusas com Pesquisas CAPÍTULO 13 PRIORIZANDO O que Focar CAPÍTULO 14 MODELANDO DADOS do RH com a Análise de Regressão Múltipla CAPÍTULO 15 FAZENDO PREVISÕES Melhores CAPÍTULO 16 APRENDENDO COM Experimentos

Parte 5: A Parte dos Dez CAPÍTULO 17 DEZ MITOS do People Analytics CAPÍTULO 18 DEZ ARMADILHAS do People Analytics

Introdução ocê pode já estar familiarizado com o poder de transformação da análise de dados nas áreas de marketing, vendas, gestão da cadeia de fornecimento ou finanças. Também pode estar acostumado com a ideia de que as pessoas são o maior investimento de uma empresa. Bem, como a manteiga de amendoim e o chocolate que encontraram seu caminho em um prato delicioso, essas duas ideias fizeram seu caminho juntas, e o feliz resultado é chamado de people analytics.

V

Bem-vindo ao People Analytics Para Leigos, um livro escrito por pessoas abertas à ideia de que nada precisa ser contraditório entre o que torna as empresas ótimos lugares para trabalhar e ótimas na produção de resultados comerciais. A metodologia people analytics se baseia na premissa de que o que torna as empresas ótimas são as pessoas e o que pode torná-las ainda melhores quanto as pessoas é a análise de dados. Não uma análise qualquer, mas a análise de pessoas no trabalho. Neste livro você encontrará uma introdução aos dados, à métrica e à análise na base desse novo campo chamado people analytics. Como é novo, pode ser a primeira vez que você leia algo sobre isso, ou, como a maioria das pessoas que trabalha hoje, talvez seja algo que descobrirá durante o processo. De qualquer modo, mesmo que você já esteja acostumado com o people analytics, este livro pode apresentar novos modos de abordar seu trabalho e também dar algumas dicas sobre como explicar melhor para outras pessoas exatamente o que você faz. (Nunca faz mal conseguir expressar de maneira clara e sucinta a importância do trabalho que você realiza.)

Sobre Este Livro Este é um livro sobre tomar importantes decisões de gestão sobre pessoas usando a análise de dados, em vez de ideias fantasiosas ou instinto. É um livro sobre como obter ótimos resultados comerciais e, ao mesmo tempo, criar um bom lugar para as pessoas trabalharem. É sobre encontrar um modo de ser uma grande empresa que conta com um feedback e aprendizado contínuos, em vez de uma empresa medíocre satisfeita em fazer como sempre foi feito ou que tenta acompanhar copiando de modo submisso a concorrência. Este livro é a receita para ter o melhor desempenho individual possível, da equipe e da empresa, além de tornar os funcionários mais felizes!

Neste livro, falo sobre como a análise pode conectar as decisões de recursos humanos e a estratégia comercial e oferecer uma visão geral de alguns elementos básicos de como fazer a análise. Você descobrirá como reunir dados sobre seus funcionários em diferentes estágios de suas carreiras, detectando padrões nesses dados, fazendo previsões e medindo as consequências das atitudes tomadas. E descobrirá como utilizar os dados com o intuito de melhorar continuamente os métodos usados para atrair, ativar e reter pessoas talentosas e assim conseguir níveis de produtividade mais altos. Quando possível, incluo exemplos reais de empresas com as quais trabalhei, de grande e pequeno porte, para que você possa aprender com a realidade a coletar e analisar dados de modos que o ajudem a tomar melhores decisões comerciais em uma grande variedade de assuntos de gestão de recursos humanos: recrutamento, desempenho, recompensas, aprendizado e desenvolvimento, liderança, diversidade e abandono. Esses exemplos mostram muitas oportunidades para uma aplicação inteligente do people analytics. Se você é um executivo, profissional de RH ou analista, encontrará algo útil neste livro.

Penso que… Para aproveitar ao máximo este livro, penso que você: Trabalha, trabalhou ou deseja trabalhar para uma empresa grande o bastante e assim estabelecer melhores decisões sobre como gerenciar pessoas com valor agregado. Deseja que os dados o ajudem a tomar decisões sobre como identificar, selecionar, pagar, desenvolver e gerenciar pessoas. Deseja experimentar algo diferente do que fez no passado ou que outras empresas fazem. Gosta de ler sobre estratégia comercial, sistemas, ciência e estatística. Tem acesso a dados de pessoas ou, pelo menos, quer coletar e analisar esses dados. Procura, claro, uma fonte acessível que seja a mais simples possível e dê conselhos práticos sobre como iniciar no mundo real, em vez do que poderia encontrar em um livro acadêmico ou em um jornal científico.

Ícones Usados Neste Livro Neste livro você verá estes pequenos ícones para identificar parágrafos úteis:

O ícone Dica marca dicas e atalhos que você pode tomar para facilitar uma tarefa específica.

O ícone Lembre-se marca informações especialmente importantes. Para ter acesso às informações mais importantes em cada capítulo, basta ler esses parágrafos.

O ícone Papo de Especialista marca informações altamente técnicas que você pode pular com segurança, sem problemas.

O ícone Cuidado pede que você tenha atenção! Ele marca informações importantes que podem evitar dores de cabeça. Cuidado: não pule esses avisos!

Como Este Livro Está Organizado O livro está organizado em cinco partes independentes, cada uma composta de vários capítulos também independentes. Independente significa que faço o melhor para informar tudo o que você precisa saber sobre um único tópico dentro de cada capítulo. Mas admito que muitas vezes tive que colocar referências em outras partes quando não foi possível abordar em um capítulo tudo o que é importante saber. As possibilidades de aventura são infinitas, mas comece onde está agora. Se você é um executivo, profissional de RH ou analista, verá que vale a pena ler o People Analytics Para Leigos. Veja um panorama:

Parte 1: Introdução à Metodologia People Analytics Estes primeiros capítulos servem como uma cartilha sobre a metodologia. Nesta primeira parte você aprende a andar antes de correr, mas encontra aqui a estrutura para tudo o que vem depois. Você verá minha definição de people analytics e uma introdução de seus conceitos, aplicações e opções importantes. Você pode ficar muito satisfeito com a natureza não técnica da primeira parte. Não são necessários muitos bits, bytes nem psicologismo barato, porque, como é visto na Parte 1, o people analytics é sobre negócios em primeiro lugar, pessoas em segundo, análise em terceiro e sistemas por último.

Parte 2: Elevando Sua Perspectiva É triste que a maioria das pessoas pense em análise como algo necessariamente abstrato, complexo ou externo ao que elas fazem. No começo da Parte 2 você vê como simplesmente contar as pessoas de maneiras diferentes e ver os resultados pode ajudar a ter novas perspectivas sobre coisas que são feitas o tempo todo. O fato

é que os métodos do people analytics não precisam ser abstratos, complexos nem externos; eles podem ser apenas maneiras empiricamente válidas de fazer melhor as coisas que você sempre faz. Se você ler a Parte 2 inteira, aprenderá alguns métodos básicos para ter mais perspectiva sobre como as pessoas produzem (ou não) valor para os negócios, terá ideias sobre o motivo de os resultados variarem e, com muita atenção aos detalhes certos, verá como é possível focar seus esforços para mais rápido tirar valor da análise. A ausência de uma orientação do valor comercial leva a análise a impasses e trivialidades.

Parte 3: Quantificando a Jornada do Funcionário Nesta parte defino uma estrutura de medida universal para os recursos humanos em torno de dois conceitos diferentes, mas relacionados: a jornada do funcionário e algo que chamo de estrutura dos 3 As: Jornada do funcionário: Chamo de jornada do funcionário os estágios pelos quais estes passam desde o dia em que ficam sabendo da oportunidade de trabalho até quando finalmente saem da empresa. Ter esse ponto de vista de longo prazo e abrangente implícito usando esse termo ajuda a ver padrões que você não enxergaria caso tivesse organizado sua análise de outro modo. E mais, ver a empresa pelos olhos dos funcionários pode ajudar a observar o mundo de um jeito totalmente novo e diferente. Parece clichê, mas é verdade. Estrutura dos 3 As: A perspectiva do funcionário é importante, mas, por motivos óbvios, tem que estar relacionada com as necessidades do negócio. Essa estrutura fornece as medidas fundamentais e análise para os três grandes problemas relacionados a pessoas que toda empresa precisa resolver se espera crescer como um negócio: atrair talento, ativar talento e controlar a taxa de saída do talento (abandono). A combinação da jornada do funcionário e da estrutura dos 3 As pode unificar esforços muito diferentes e concorrentes, fornecendo uma estrutura de medida unificada que relaciona as necessidades do funcionário e da empresa com os dados. Após uma introdução à jornada do funcionário no Capítulo 8, você verá mais detalhes sobre os métodos de medição e análise em cada um dos três As a seguir: atração (Capítulo 9), ativação (Capítulo 10) e abandono (Capítulo 11).

Parte 4: Melhorando Sua Estratégia com Ciência e Estatística Análise significa usar dados para aumentar a certeza. Isso está ligado à Matemática e à Ciência, no mínimo, mas a análise de pessoas se baseia no conhecimento de métodos e advertências diversos desenvolvidos em centenas de anos de pesquisa na Psicologia, Sociologia, Psicologia Social e Economia Comportamental. Grande parte da literatura atual sobre people analytics está em um nível tão alto que não inclui nenhum manual específico, ou, se inclui, é um material muito difícil de ler caso você ainda não tenha uma boa base sobre sistemas, Ciência Comportamental ou Estatística. Nada chega aos pés do que é ensinado normalmente em um programa de doutorado que dura de seis a oito anos para esses tópicos mencionados, mas selecionei algumas ferramentas versáteis para você iniciar sua jornada e poder continuar usando-as durante as contribuições.

Parte 5: A Parte dos Dez Se você já leu outro livro da série Para Leigos, esta parte é como rever um velho amigo, que pode estar usando uma roupa diferente, mas você o reconhecerá de cara. A Parte dos Dez é uma coleção de aprendizados, conselhos e avisos interessantes sobre o people analytics divididos em dez partes fáceis de assimilar. Há dez conceitos errados, dez armadilhas, dez princípios de design e afins. Esses capítulos cristalizam alguns conceitos que você tem a oportunidade de ler no resto do livro ou são um modo de ir direto aos conceitos que importam, caso não tenha feito isso.

Além Deste Livro Um livro costumava começar na primeira página e terminar na última, mas já não é mais assim. A revolução digital não só mudou o modo como compramos livros, mas também como escrevemos e lemos. Criei muitos recursos online que acompanham este livro para ajudá-lo em sua jornada do people analytics. Esses itens são mais adequados para a World Wide Web do que para o livro (e isso poupa algumas árvores no processo). O mais importante é que esses recursos podem ser atualizados, pesquisados, compartilhados, cortados e colados, e baixados como PDFs. Dois recursos de que gosto muito sobre compartilhamento são o Guia de Definições das Métricas do RH e o guia para ótimos exemplos de perguntas de pesquisa do funcionário. Neste momento, estas são as fontes mais completas para obter informações neste formato. Extras: Todos os recursos de suporte online do People Analytics Para Leigos são acessíveis para download em www.altabooks.com.br [procure pelo título do livro ou ISBN]. Guia de Definições das Métricas do RH: Encontre centenas de definições das métricas do RH seguindo uma convenção padrão, organizada por tópico (Apêndice A). Ótimas Perguntas de Pesquisa do Funcionário: Encontre centenas de ótimas perguntas de pesquisa do funcionário que seguem uma convenção padrão, organizada por tópico (Apêndice B). Análise do Trabalho: Inicie com a tarefa essencial de análise do trabalho (Apêndice C). Medindo Talento com Competência: Saiba como medir as competências com competência (Apêndice D). Dez Coisas que O Colocam no Caminho Certo ao Analisar a Atração: Uma ótima Parte dos Dez que não consegui colocar no livro (Apêndice E). Dez Princípios People Analytics Inesperados, Mas Unificadores: E a diversão não para! Outra Parte dos Dez para o prazer da leitura! (Apêndice F).

Folha de Cola: Se você procura a Folha de Cola Para Leigos tradicional, visite www.altabooks.com.br e procure pelo título do livro ou ISBN. O people analytics é um vasto domínio com muito a aprender: gestão de recursos humanos, ciência comportamental, sistemas de tecnologia e estatística, para começar. Infelizmente um livro não consegue fazer justiça a todos esses tópicos, mas por sorte há mais de um livro neste mundo (e pessoas para ajudar a escrevêlos). Tirando uma introdução de algo sobre o qual você poderia não saber muito, o que pretendo fazer neste livro é abordar essa área de conhecimento necessária para uma aplicação bem-sucedida da metodologia people analytics não tratada ainda por outros livros. Forneço um ponto de vista único (algumas vezes estranho) sobre o que realmente importa, aprimorado com muitos anos de experiências práticas no setor. O que tenho a dizer geralmente não é o que as pessoas pensavam que encontrariam, mas vi sucesso e fracasso, e fico com o que acho importante o bastante para compartilhar neste formato. Se você pretende se aprofundar mais em um domínio técnico específico, há muitos recursos aos quais pode recorrer, entre eles, outros livros Para Leigos. Você pode usar muitos livros afins para vasculhar tópicos que eu consigo apenas falar rapidamente neste livro; por exemplo, Data Warehousing For Dummies (Thomas C. Hammergren), Business Intelligence For Dummies (Swain Scheps), SQL Para Leigos (Allen G. Taylor), Python For Dummies (Stef e Aahz Maruch), Análise Preditiva Para Leigos (Anasse Bari, Mohamed Chaouchi e Tommy Jung), Data Science Para Leigos (Lillian Pierson), Business Statistics For Dummies (Alan Anderson), R For Dummies (Andrie de Vries e Joris Meys), Análise Estatística com R Para Leigos (Joseph Schmuller), Psicologia Social Para Leigos (Daniel Richardson), Painéis e Relatórios do Excel Para Leigos (Michael Alexander), Data Visualization For Dummies (Mico Yuk e Stephanie Diamond), Tableau For Dummies (Molly Monsey e Paul Sochan) e Gerenciamento Ágil de Projetos Para Leigos (Mark C. Layton e Steven J. Ostermiller), alguns publicados pela Alta Books, e outros sem publicação no Brasil. Qualquer um dos livros pode gerar conhecimento, habilidades e capacidades valiosos, podendo ser usados para que uma pessoa se torne um líder mais eficiente, executor e consumidor da metodologia people analytics.

De Lá para Cá, Daqui para Lá Não é preciso ler este livro por completo. Você pode lê-lo, se a estratégia o agradar, mas ele está organizado como um guia de consulta, portanto pode pular para onde quiser. Procurando algo em particular? Dê uma olhada no Sumário, encontre a seção de que precisa e vá para a página para resolver o problema.

Parte 1 Introdução à Metodologia People Analytics NESTA PARTE... Descubra exatamente o que é people analytics. Crie um caso comercial para um projeto people analytics e descubra onde começar (tudo ao mesmo tempo!). Entenda as diferenças entre um projeto de análise baseado em percepções e um baseado em eficiência. Familiarize-se com uma matriz de opções atuais para gerenciar o avanço do people analytics.

NESTE CAPÍTULO Definindo o people analytics Examinando como alguns negócios já analisam os dados das pessoas Iniciando seu primeiro projeto people analytics

Capítulo 1

Apresentação do People Analytics m negócio consiste em pessoas que trabalham em nome da empresa (funcionários) fazendo coisas para outras pessoas que não trabalham nela (clientes). As decisões comerciais sobre pessoas que trabalham para a empresa, ou seja, quem contratar, onde encontrá-las, pagamento, benefícios a fornecer, quem promover e muitas outras decisões, têm um impacto enorme e invisível na capacidade da empresa em atender as necessidades do cliente, no desempenho final e na reputação.

U

Tradicionalmente, o modo como os líderes das empresas têm tomado decisões relacionadas aos recursos humanos se baseia em intuição, copiando o que outras empresas fazem, tradição ou conformidade com as diretrizes do governo. Hoje, muitas decisões comerciais são tomadas com dados. Quais segmentos do cliente focar, quais melhorias nos recursos do produto fazer, em quais projetos investir e onde estabelecer uma nova loja são apenas alguns dos incontáveis exemplos de importantes decisões comerciais que são tomadas cada vez mais com dados. Se você for para uma reunião de diretoria ou participar de uma ligação com investidores, verá que as partes mais importantes da discussão são sobre uma série de números importantes registrados no balanço geral, o que a empresa vê em outros números que sugerem ações que podem impactar o balanço e se as ações anteriores que prometiam impactar os números no balanço realmente fizeram isso ou não. A conversa pode ir de abstrata para concreta e voltar para abstrata, mas os números têm a finalidade de mantê-la ancorada no que é real e conduzir a prestação de contas a resultados reais. Por sorte, agora você também pode usar dados para as decisões relacionadas aos recursos humanos. Graças à prevalência dos sistemas de informações de recursos humanos, além da acessibilidade em grande escala de ferramentas modernas da coleção de dados, análise e apresentação, tais decisões podem ser tomadas com dados, exatamente como muitas outras decisões comerciais. Neste capítulo, defino o termo people analytics e explico alguns modos como as empresas com as quais trabalhei usam uma abordagem de recursos humanos fundamentada em dados para resolver problemas comerciais reais. Depois descrevo

como você também pode adicionar a metodologia people analytics ao seu arsenal e aumentar sua compressão dos dados das pessoas.

Definindo o People Analytics Em um nível elevado, people analytics consiste apenas em aplicar evidência nas decisões de gestão sobre pessoas. Mais especificamente, o people analytics reside na interseção entre estatística, ciência comportamental, sistemas de tecnologia e estratégia de pessoas.

Estratégia de pessoas significa fazer escolhas deliberadas entre opções diferentes para como gerenciar um grupo de pessoas. A Figura 1-1 mostra como o people analytics reúne esses quatro conceitos amplos (estatística, ciência, sistemas e estratégia) para criar algo novo. Muitas empresas inovadoras já perceberam os benefícios da tomada de decisão baseada em evidências quanto aos recursos humanos. Para identificar o que as outras pessoas acham que é a metodologia people analytics, reuni 100 descrições de trabalho relacionadas ao people analytics a partir de anúncios de trabalho. Para resumir, criei uma nuvem de palavras a partir do que existe nessas descrições. Está na Figura 1-2. Se você ainda não está familiarizado com nuvens de palavras, funciona assim: quanto mais palavras frequentes aparecem no texto analisado, maior e mais escura fica a palavra na nuvem. Você pode dizer a partir da figura que dados, análise, recursos humanos (RH) e negócio devem ser conceitos centrais para a metodologia people analytics.

FIGURA 1-1: People analytics é o que acontece quando os profissionais de RH percebem o poder que um bom conjunto de dados lhes dá.

FIGURA 1-2: Criar uma nuvem de palavras é um tipo de análise de dados para identificar e visualizar tendências no vocabulário.

Essas 100 descrições de trabalho são do departamento de RH, que está à frente dos outros no uso de dados específicos e análise como ferramentas de tomada de decisão. As ideias que os dados fornecem às empresas lhes dão uma vantagem em relação às outras que ainda não sabem como fazer essas coisas. A maioria das empresas ainda não tem a metodologia people analytics, e grande parte das pessoas nem sabe o que é isso. Assim sendo, você, aprendendo sobre o people analytics, estará em uma ótima posição para se destacar entre seus colegas (e sua empresa entre os concorrentes).

Resolvendo problemas comerciais com perguntas Como todas as disciplinas de análise comercial, o people analytics oferece modos corporativos de responder perguntas que: Produzem novas visões Resolvem problemas Avaliam a eficiência das soluções e melhoram o avanço

Produza novas visões Certa vez, Donald Rumsfeld disse: “Há conhecidos que conhecemos; há coisas que sabemos que sabemos. Também sabemos que há conhecidos que desconhecemos; o que quer dizer que sabemos que há algumas coisas que não sabemos. Mas também há coisas desconhecidas que desconhecemos, aquilo que não sabemos.” Donald Rumsfeld pode ter embaralhado um pouco as palavras, mas para terminar o trabalho por ele: as coisas mais perigosas no mundo para você são aquelas que deve saber, mas não sabe que deveria. Uma das ótimas contribuições do people analytics é revelar algumas coisas perigosas que você não sabe e nem sabe que deveria saber, mas, na verdade, deveria. O problema do desconhecido que desconhecemos pode ser resumido por uma experiência que tive com uma grande empresa farmacêutica que era muito bemsucedida. Ela tinha uma história de 100 anos de realização científica e sucesso comercial e era líder e uma potência financeira em seu setor, se não em todos os setores. Era uma grande empresa, e eles sabiam disso.

Com uma equipe de gerenciamento inteligente e orientação científica, a empresa tentava medir quase tudo. Como resultado, estava entre algumas das primeiras empresas a aplicar rigor na gestão dos recursos humanos com base em dados. Foi assim que iniciei no campo do people analytics antes mesmo de ele receber tal nome. Depois de trabalhar nessa empresa, fui para outras, mas trabalhar no campo do people analytics era raro nos primeiros anos. Uma das primeiras atividades de RH orientadas a dados nessa empresa farmacêutica foi participar de uma pesquisa comum de funcionários realizada em muitas empresas, facilitada por uma consultoria que asseguraria a confidencialidade a todos os envolvidos. Essa pesquisa permitiu que a empresa se comparasse como um empregador em uma seleção de empresas de alto desempenho em todos os setores em cerca de 50 aspectos da experiência do funcionário, usando mais ou menos 100 itens de análise. Alguns exemplos das categorias da experiência do funcionário que a pesquisa mediu eram: opinião do funcionário sobre as chances de a empresa obter um futuro sucesso, liderança, gerentes, salário, benefícios, oportunidades para treinamento e desenvolvimento, assim como atitudes, tais como satisfação geral, motivação e comprometimento com a empresa. Ao analisar os resultados, não foi nenhuma surpresa perceber que essa empresa bem administrada ficava acima de outras de alto desempenho em praticamente todas as categorias da pesquisa. Seus funcionários estavam, em média, mais comprometidos, motivados e felizes que os funcionários das outras empresas, e tudo isso pôde ser validado estatisticamente. A surpresa para todos foi que a empresa ficava um pouco abaixo das outras de alto desempenho em relação a um conjunto de perguntas que a pesquisa referia categoricamente como Opinião. A categoria Opinião representava concordar ou discordar das afirmações que indicavam que os funcionários sentiam que a empresa fornecia um ambiente seguro para eles expressarem suas preocupações ou divergências com seus superiores. Essa descoberta foi estranha, porque todos falaram sobre como a empresa tinha uma história de tomada de decisões com consenso. Quando cientistas jovens e inteligentes entraram na empresa, foram informados para ficarem atentos à importância do consenso na cultura do local, portanto, deveriam esperar trabalhar com outras pessoas mais do que teriam trabalhado em ambientes anteriores. Dada a aparente estranheza da descoberta Opinião e que a empresa tinha se saído bem em todas os outros itens perguntados na pesquisa, nenhuma real nova ação foi

decidida. Havia certa preocupação expressada pelo chefe do RH sobre os itens Opinião, mas naquele momento existia um debate contínuo na equipe de liderança executiva sobre se a empresa deveria ou não interromper de propósito sua cultura de tomada de decisão com consenso para acompanhar os novos concorrentes. Naquele momento, a avaliação da equipe de liderança foi a de que, no geral, os resultados da pesquisa foram bons e a questão Opinião deveria ter sido apenas um eco de seu esforço em mudar a cultura para melhor. Ninguém na época previu a conexão entre as descobertas da pesquisa e o desastre que viria em seguida. Naquele momento, um diretor de pesquisa anteriormente bemsucedido, mas cabeça-dura, não considerou as preocupações de alguns cientistas sobre um possível problema de segurança com certa droga. Essa questão não ficou muito clara então, mas deveria ter recebido mais atenção. O executivo tinha reputação de ter um grande ego, mas também produzia resultados para a empresa, então ela deixou que ele vencesse a discussão. Tempo e atenção custam dinheiro. As preocupações dos cientistas sobre a droga foram silenciadas em favor do progresso. O resultado da pressa foi uma droga que, mais tarde, precisou ser cancelada, e um erro bobo que arriscava vidas custou para a empresa bilhões de dólares e praticamente a arruinou para sempre. Sob a orientação do diretor teimoso, a empresa aprovou um produto farmacêutico que deveria ter sido mais bem examinado. Especificamente, nenhum cientista deveria ter ficado inseguro em expressar sua opinião, e todas as preocupações aceitáveis deveriam ter sido mais pesquisadas antes de a droga ser colocada no mercado. Esse exemplo mostra que até os esforços simples e iniciais no people analytics, ou seja, uma pesquisa de funcionários aparentemente comum, podem oferecer novas visões que não são óbvias nem comuns. O resultado, nesse caso, pode não ser o melhor exemplo da metodologia people analytics bem-sucedida, mas mostra potencialmente maneiras de o sucesso não acontecer. Infelizmente, na época ninguém sabia que a falha identificada na pesquisa era tão importante. A pesquisa produziu informações que seguiram na direção oposta do que os executivos acreditavam, e a falha identificada corretamente foi negligenciada. Misteriosamente, a pesquisa de funcionário realmente previu o motivo da próxima queda da empresa, que foi dar acesso a coisas desconhecidas. Resumindo, a pesquisa nos avisava sobre algo que a empresa não poderia saber, mas era importante. Se a empresa tivesse levado mais a sério a questão Opinião, os executivos poderiam ter colocado em prática um modo de os cientistas envolvidos se expressarem para que o diretor

cabeça-dura pudesse verificar, evitando um erro gigantesco. Agora sei como é importante levar muito a sério até mesmo um esforço de pesquisa básica do funcionário, pois não sabemos o que não conhecemos, mas quando muitas perguntas são feitas, temos uma leve chance de descobrir o que não sabemos.

Resolva os problemas Os dados também ajudam a desenvolver soluções para problemas conhecidos. Um hospital infantil sabia que a taxa de abandono de enfermeiros no primeiro ano era de 25%. Isso significa que um em quatro enfermeiros contratados deixaria a empresa no primeiro ano se fosse empregado. Por outro lado, a taxa de abandono média dos funcionários era de apenas 10%, significando que uma em dez pessoas no total deixaria a empresa em determinado ano. Portanto, o abandono inicial dos enfermeiros efetivados era 2,5 vezes pior que o abandono médio. Pior ainda, o abandono inicial do efetivo é um problema autossustentado, pois se você não mudar nada, haverá uma chance bem alta de o substituto também sair com a mesma rapidez, em um ciclo sem fim. Por boas razões, o hospital queria baixar a taxa de abandono inicial dos enfermeiros efetivados. Cada profissional que saía no primeiro ano tinha que ser substituído por outro, que precisava ser identificado, admitido, integrado e treinado. Claro, contratar e treinar novos enfermeiros tem um custo, porém o mais importante é que os novos funcionários estão menos acostumados com o modo de lidar com situações complexas e têm mais probabilidade de cometer erros que os enfermeiros experientes.

Uma análise do candidato e dos dados no currículo mostrou que o hospital poderia contratar mais enfermeiros com maior probabilidade de ficar simplesmente admitindo funcionários mais experientes, em vez de enfermeiros recém-saídos da escola de enfermagem. Parece óbvio agora, mas eles realmente não sabiam quanta diferença isso faria operacionalmente até virem os dados. Embora os contratados mais experientes recebam mais, os dados mostraram que essas pessoas também tinham mais probabilidade de ter sucesso e ficar no hospital infantil além do primeiro ano. Focando a admissão de candidatos com as características que previam vida longa, os dados mostraram que o hospital poderia reduzir a taxa geral de abandono no primeiro ano de 25% para 15%. A redução em abandono para o custo do recrutamento e do treinamento mais do que compensaria o gasto de mais dinheiro para contratar enfermeiros experientes desde o início. Com o tempo, a taxa de abandono dos enfermeiros diminuiu, os custos foram reduzidos e as medidas de segurança do paciente subiram.

Avalie as soluções e planeje para melhorar Você também pode usar dados para avaliar a eficiência das soluções em pequena escala para ter certeza de que estas realmente funcionarão antes de implementá-las de forma mais geral. Experimentos podem fornecer um conjunto de dados que permite testar ideias de modos que impeçam erros caros (facilitando a melhoria) antes que se lancem ideias mais abrangentes. Uma cadeia de petshops tinha um histórico de controlar as medidas padrão do varejo, como vendas na mesma loja e satisfação do cliente, assim como medidas relacionadas a pessoas, como entusiasmo dos funcionários e conhecimento dos assuntos relacionados aos animais. Medir esses tipos de dados juntos ajudava a cadeia de petshops a descobrir correlações entre como contratava, treinava e recompensava os funcionários nas lojas, e os objetivos estavam sendo atingidos: maior fidelidade do cliente e vendas aumentadas na loja. Vendo os dados dos funcionários e dos clientes juntos, a empresa sabia muitas coisas que as outras poderiam apenas sonhar conhecer. Por exemplo, o revendedor de pets sabia que quanto mais os funcionários nas lojas soubessem sobre um tópico, mais a loja venderia nessa área. Por exemplo, se as pessoas na loja soubessem muito sobre rãs, venderiam mais rãs. Se soubessem menos sobre pássaros, venderiam menos desses animais e suprimentos relacionados a eles etc., e seguia assim em toda

categoria de animais. Se os funcionários da loja tivessem o conhecimento necessário para capturar a imaginação dos clientes e ajudá-los a resolver problemas com os pets, com o tempo o cliente gastaria mais dinheiro na loja. Como resultado dessa informação, o revendedor de pets contratava, treinava e recompensava conscientemente os funcionários de modos planejados a aumentar seu conhecimento nessa área. O revendedor também usava os resultados do teste para identificar as lojas que precisavam de treinamento, medir os resultados do treinamento e avaliar seu impacto no resultado. Porém, apesar de seus esforços, a cadeia de petshops via uma concorrência crescente dos megavarejistas, supermercados e varejistas online, o que dificultava aumentar a receita de modo rentável. Esses concorrentes estavam começando a estocar muitos dos mesmos itens do revendedor de pets e podiam oferecer esses itens por menos. Se o revendedor decidisse competir em custo, colocaria pressão nas margens de lucro, porque ele não tinha outros itens que pudesse aumentar para compensar as perdas nos itens com preço reduzido para competir. Para piorar as coisas, isso aconteceu em um período de recessão econômica e aumento nos custos da gasolina. Os clientes estavam diminuindo suas idas ao petshop ao menor número possível de lojas locais e estavam selecionando os pontos de menor preço e com maior variedade de produtos. O resultado é que menos clientes entrando nos petshops significava menos vendas. O petshop precisava entender a situação e embarcou em uma nova experimentação e análise da loja. Um dos experimentos nos quais o varejista de animais embarcou foi usar uma área disponível em algumas lojas para oferecer serviços, além de animais e suprimentos. Exemplos dos serviços incluem: tratamento para cachorros, creche para filhotes, treinamento para cães e clínicas para pets. A teoria era a de que os serviços forneceriam um motivo para chamar mais pessoas para as lojas, e assim como aumentar o conhecimento com pets elevou as vendas, o varejista esperava que oferecer serviços teria um efeito igual. Mas ninguém sabia se isso aconteceria. No começo, os serviços não foram oferecidos em todas as lojas da rede. A especialização requerida para oferecer esses serviços exigia um novo treinamento da empresa, e os funcionários contratados para desempenhar essas funções precisavam ser mais capacitados, significando que também precisavam ganhar mais. A empresa teve que aprender a terceirizar, contratar, treinar e pagar pessoas totalmente novas para tipos completamente novos de trabalhos com os quais estava acostumada no passado. Lançar essa ideia para todas as lojas, sem um período de observação e

aprendizado, poderia quebrar a empresa. Escolhendo um pequeno número de lojas para começar, ela poderia medir o impacto das mudanças, avaliar o desempenho e o que fazer em seguida. Se o experimento com os novos serviços funcionasse, eles poderiam ser expandidos para mais lojas; se não, o programa de serviços seria modificado ou abandonado. Se a empresa implementasse os serviços em todas as lojas, não conseguiria avaliar se eles estavam funcionando ou não, e seria muito arriscado. O modo de analisar os dados de um experimento dessa natureza é simples. O varejista escolheu um pequeno conjunto de lojas para conduzir os novos serviços e escolheu outro conjunto sem os serviços para ter uma comparação. Com um cálculo relativamente simples, o varejista conseguiu identificar o impacto dos serviços nas visitas à loja, vendas e fidelidade do cliente usando os mesmos dados e métricas já utilizados comparando os locais. O experimento validou que adicionar serviços de fato aumentava as visitas na loja, o gasto geral do cliente e a fidelidade nas lojas que ofereciam serviços versus as sem o serviço. Pode parecer óbvio que quando as pessoas vão ao petshop para cuidar do Totó, é provável que também comprem outros itens. Uma descoberta menos óbvia foi a de que os clientes que levavam o Totó também gastavam mais com ele durante a vida do bichinho, não apenas nas visitas quando o Totó e o pai do animal estavam juntos na loja para cuidar da aparência dele. Oferecendo serviços, o varejista estava atraindo e criando melhores clientes de longo prazo. O resultado inevitável foi o aumento nas vendas. Com essa análise, o varejista conseguiu validar o fato de que seu investimento em pessoas para fornecer serviços estava funcionando. As lojas onde os serviços eram disponibilizados produziram mais resultados comerciais que a empresa estava buscando, e as lojas que não forneciam, não. A solução para a empresa ficou mais certa: expandir o programa. Outras perguntas de pesquisa incluíram uma combinação de serviços a oferecer nas lojas e como aumentar os serviços para mais lojas e com igual qualidade, mas a empresa sabia o bastante para proceder e pôde avaliar essas perguntas mais complexas enquanto implementava os serviços em mais lojas e com pacotes diferentes. Uma análise mais profunda dos dados do funcionário no nível da loja ao longo do tempo indicou que a satisfação e a retenção (redução de abandono) dos novos atendentes tiveram mais impacto na fidelidade do cliente e nas vendas do que a manutenção de outros funcionários da loja, como caixas ou repositores, por exemplo. Em todos os trabalhos, quanto mais distinto o conhecimento relacionado

aos pets para o trabalho requerido, mais impacto o abandono desse trabalho tinha para o sucesso do varejista. Com essas informações, a empresa priorizou como alocava o orçamento das pessoas para reduzir o abandono nos principais cargos, em vez de dispersar seus recursos em todos os trabalhos, o que poderia produzir resultados inferiores, ou nenhum resultado, gastando-se a mesma quantia em dinheiro. O varejista aprendeu que o abandono do funcionário importa mais em certos cargos-chave, e como as margens de lucro são pequenas, teve que priorizar onde gastar o dinheiro para conseguir melhores resultados.

Muitas pessoas não gostam de falar sobre diferenças de salário, mas a realidade é que sempre há diferenças com base em muitos fatores. A responsabilidade do cargo é um critério válido para diferenciar o pagamento. É natural, no melhor interesse de todos, e geralmente é visto como justo, que cada empresa foque seus recursos nas posições-chave e nas pessoas que as desempenham com êxito. E mais, qualquer funcionário da loja que quisesse aprender um serviço mais lucrativo teve a oportunidade de se candidatar, e isso aconteceu com frequência. Ter uma hierarquia de cargos com habilidade e salário crescentes tornou o trabalho no varejista uma oportunidade de carreira de longo prazo para os funcionários em potencial, em vez de apenas um trabalho divertido de curto prazo. Adicionando cargos mais bem pagos, o varejista conseguiu ser mais atraente para os clientes e para os funcionários que ele queria manter por mais tempo.

Usando os dados das pessoas na análise comercial As pessoas são o rosto, o coração e as mãos de sua empresa. Todas as empresas dependem das pessoas em cada aspecto de seu negócio porque elas Têm empatia com os desejos, angústias e problemas dos clientes. Criam e melhoram produtos e serviços. Planejam, gerenciam e executam estratégias, sistemas e processos que ajudam todos a trabalhar juntos para terem uma empresa produtiva.

Considerando como as pessoas são importantes no desempenho de cada empresa, é incrível que mais companhias não estudem os dados dos funcionários para ter informações sobre seu negócio. Provavelmente a empresa contrata especialistas com habilidades avançadas para analisar suas finanças, equipamento e fluxos de trabalho, então por que ninguém analisa as pessoas que usam essas coisas? Parte do motivo é que, até bem pouco tempo, a combinação de dados disponíveis do funcionário era muito superficial. Quando as empresas tinham apenas pastas de arquivo físicas repletas de dados do funcionário guardadas no ficheiro, as oportunidades de uma análise profunda e significativa eram poucas. Nas últimas décadas, a quantidade de dados eletrônicos que as empresas mantêm (voluntariamente ou não) sobre seus funcionários cresceu em silêncio. Hoje, provavelmente sua empresa tem um mundo de dados eletrônicos de funcionários, percebendo você ou não. Alguns deles se encontram em locais óbvios, mas você pode não considerar os dados disponíveis em algumas fontes que listo aqui: Sistemas de gestão empresarial (ERP). Sistemas de informações de RH (HRIS). Sistemas da folha de pagamento. Sistemas de recrutamento (ATS). Sistemas de gerenciamento de aprendizado (LMS). Sistemas de gerenciamento de desempenho. Pesquisas salariais. Pesquisas de funcionários. Sistemas de e-mail e agenda. Dados de tráfego da intranet corporativa (sites internos). Anúncios de emprego. Comentários em redes sociais. Dados do censo do governo e do Ministério do Trabalho. A boa notícia é que as empresas parecem saber que seus funcionários são seu melhor ativo. O que elas podem não saber é como analisar os dados sobre eles para melhorar os resultados comerciais. Neste livro, demonstro como é possível fazer isso.

Aplicando estatística na gestão de pessoas Todos os gerentes pensam estar acima da média ao tomar decisões, mas pelo menos metade deles está errada! Acabei de demonstrar uma grande variedade de dados que os gerentes de RH têm à sua disposição, mas eles precisam das ferramentas certas e metodologias para interpretar e tomar decisões com base em tais dados. Se você interpreta mal seus dados, a opção que parece certa pode acabar sendo um desastre para a empresa. É onde entra a estatística. Você pode considerar a estatística em termos de procedimentos que um estatístico usa, como testes t e regressões, mas analisar os dados com estatística não é apenas uma operação mecânica. Meu livro favorito sobre estatística, The Nature of Statistics (“A Natureza da Estatística”, em tradução livre), de Allen Wallis e Harry Roberts, define a estatística como “um conjunto de métodos para tomar decisões inteligentes diante da incerteza”. O campo da estatística oferece as ferramentas, mas você precisa aplicá-las com sabedoria para produzir informações úteis a partir dos dados.

Combinando estratégia das pessoas, ciência, estatística e sistemas Como um campo relativamente novo, a metodologia people analytics lembra muito o que imagino como deve ter sido o Velho Oeste: não havia muitas regras e todos seguiam seu próprio caminho buscando uma nova e incerta oportunidade. Se você pedisse a um grupo de analistas de pessoas para descrever seu trabalho, as respostas provavelmente seriam muito diferentes e dependeriam muito dos conhecimentos da pessoa individual. Veja alguns exemplos de como diferentes categorias de pessoas que você encontra trabalhando no campo da análise pensam de modos diferentes sobre o que fazem. Recursos humanos: Alguém com esse conhecimento pode descrever a metodologia people analytics como “a ciência de decisão do RH” ou “a datificação do RH”. Em outras palavras, assim como a análise do cliente está para as vendas, o people analytics está para o RH. O foco de uma pessoa com conhecimento em recursos humanos ou estratégia de gestão provavelmente está nas implicações dos dados sobre como a empresa gerencia as pessoas ou o RH conduz seu trabalho, com menos

ênfase nas nuances de como os dados foram produzidos. Ciência comportamental: Uma pessoa que vem de uma base científica provavelmente descreverá o people analytics simplesmente como um novo termo que se refere à prática de quase um século entre professores e alunos de faculdade que pesquisam para estudar as pessoas no local de trabalho em áreas tão variadas quanto Psicologia, Sociologia, Antropologia e Economia. Essa galera tem, antes de seu nome, uma distinção muito importante e de duas letras: Dr. O foco dos doutores é a aplicação da ciência no comportamento humano para produzir um novo aprendizado, visando menos os processos diários para coletar, armazenar e usar com eficiência os dados. Os cientistas são melhores ao identificar novos dados que devem ser coletados e desenvolver um meio confiável e válido para coletar esses dados, mas provavelmente não são melhores em como fazer isso com eficiência. Estatística ou data science: Essas pessoas podem descrever o people analytics como o uso de métodos estatísticos e algoritmos do aprendizado de máquina para inferir informações sobre os aspectos humanos dos negócios a partir de dados. O foco está na matemática e nos processos técnicos para produzir informações a partir de um conjunto de dados existente, com menos ênfase na determinação de quais dados devem ser coletados ou como aplicar as descobertas para fazer uma mudança. Tecnologia da informação: Alguém nesse campo provavelmente focaria os sistemas que tornariam o relatório e a análise mais eficientes de produzir. Seu foco normalmente está mais na arquitetura geral dos dados e nos sistemas do que na análise em si. Do ponto de vista da tecnologia da informação, a metodologia people analytics nada mais é do que a aplicação do relatório (algumas vezes referido como inteligência comercial) no domínio específico dos recursos humanos, em oposição a algo novo e diferente. A resposta, claro, é que o people analytics é tudo que está no meio. Você pode aplicar suas ferramentas com muitas finalidades. Como no Velho Oeste, o individualismo bruto é uma característica comum entre os analistas de pessoas, mas ainda temos a ganhar muito ouvindo e aprendendo com os outros.

Abrindo Trilhas para a Influência Executiva e o Impacto Comercial A organização de recursos humanos que se esforça para incorporar o people analytics em seus processos pode se beneficiar de muitas maneiras. Não apenas a análise matemática dos dados dá peso e seriedade às propostas oferecidas à equipe executiva, mas os resultados obtidos com programas baseados em dados são também melhores para os funcionários e a empresa. Assumir novas responsabilidades de análise não é algo que se pode fazer com facilidade. Para os profissionais de recursos humanos que estão acostumados com o “antigo RH”, os métodos people analytics podem parecer muito estranhos no início. Porém, aprender novos truques vale muito a pena.

Do antigo RH para o novo Para os profissionais de RH, aprender novas abordagens para a solução de problemas com base em dados e análise não significa abandonar as habilidades desenvolvidas em suas carreiras. O people analytics apenas acrescenta mais ferramentas ao cinto de utilidades do RH. Mostro a seguir uma lista sobre algumas diferenças que vi entre as organizações que usam apenas a abordagem do “antigo RH” e as que também incorporaram ferramentas e metodologias do “novo RH”. Os benefícios de expandir o conjunto de ferramentas falam por si só: O antigo RH foca a criação de políticas baseadas em como era feito antes, ou um conceito conhecido como melhores práticas. Melhores práticas são a ideia de que sua empresa pode conseguir poder simplesmente copiando as práticas de outras empresas bem-sucedidas. O conceito de melhores práticas supõe que as práticas selecionadas são resultados do sucesso de outras empresas, sem nenhuma análise detalhada do que é realmente verdade ou não ou se os benefícios supostos das novas

práticas podem ser replicados em outras situações. Pelo contrário, o novo RH usa dados para avaliar o que funcionou ou não para você no passado, para analisar as suposições que fundamentam as mudanças propostas, para prever o que acontecerá se as mudanças forem implementadas e avaliar se as previsões feitas estavam corretas ou não. O antigo RH produz profissionais de RH com excesso de trabalho. O antigo modo era implementar todas as possíveis ideias que poderiam importar e continuar acrescentando-as, todos os anos, sem analisar o que funcionou ou não no passado, e, portanto, resultou em que se adicionassem muitas novas atividades sem que fosse tirada nenhuma das antigas. O antigo modo resultou em comprometimento demais e pouco tempo ou recursos para que se conseguissem resultados consistentes em qualquer área. O novo RH usa dados para direcionar tempo e recursos para o que mais importa, reduzir tempo e recursos para as coisas com pouca ou nenhuma importância. O antigo RH direciona seus profissionais para oferecer programas, práticas, processos e políticas em silos de foco funcional, como aquisição de talentos, remuneração e benefícios, relações entre funcionários, diversidade. O novo RH usa dados para identificar os resultados em diversos níveis do sistema que vêm de várias entradas funcionais e colaboração nos problemas gerais. O antigo RH supõe que sucesso consiste em ficar ocupado com uma atividade. O novo RH não confunde movimento com progresso. O antigo RH geralmente foca perguntas sobre como aumentar a consistência da atividade de RH ou reduzir os custos operacionais de sua atividade. O novo RH foca a questão de como aumentar o valor de sua atividade por meio da avaliação do impacto comercial. O antigo RH é um provedor de serviço para o resto da empresa. O novo RH é um parceiro comercial confiável.

Usando dados para ter melhoria contínua A melhoria contínua é um antigo tópico do negócio que é mais importante hoje do que foi no passado, e a metodologia people analytics é uma ótima ferramenta para avaliar iterativamente suas políticas e processos para que se consiga tal melhoria. Observar os dados das pessoas permite uma visão de alto nível da organização e que se entre na análise de pequenos detalhes.

Com a análise, é possível diminuir a imensidão de oportunidades e ter um foco refinado de quais são os problemas mais importantes a serem trabalhados agora. Como você prioriza baseado nas correlações com dados dos resultados comerciais, sabe que a solução dos problemas nos quais trabalha são importantes em sua organização, isto é, aqueles que fazem diferença para as pessoas com quem trabalha, assim como para seus clientes. Você realmente pode dizer se suas soluções funcionam. Está tudo aí nos dados.

Provavelmente você tenha encontrado (ou até mesmo iniciado!) programas, políticas e práticas que não atendem mais à empresa ou talvez não tenha certeza se funcionaram. Com dados para comprovar, é possível decidir com segurança e parar com o que não dá certo. O people analytics fornece suporte para seu objetivo de diferenciar sua empresa no mercado com decisões que variam desde o tipo e a qualidade do talento que você deseja contratar até como o trabalho é feito na organização e a cultura do funcionário que deseja criar, como lidar com o salário, quais benefícios exclusivos fornecer, como expressar mensagens para os funcionários e empregados em potencial, além de incontáveis outras decisões. Os profissionais de RH que podem usar a análise de dados para direcionar, avaliar e modificar todas essas decisões relacionadas aos recursos humanos em proveito da empresa no mercado se tornam os membros mais valiosos da equipe de liderança.

Responsabilizando pessoas pelos resultados comerciais No artigo de junho de 2005 para a Harvard Business Review intitulado “The Surprising Economics of a ‘People Business’”, Felix Barber e Rainer Strack resumiram a crescente consciência do efeito que as pessoas têm nos resultados comerciais: Para identificar onde e como o valor é criado, ou gasto, negócios com um contingente grande de pessoas precisam de indicadores de recursos humanos que sejam tão rigorosos quanto as medições financeiras, mas isso ajuda a entender a produtividade das pessoas, não do capital. A economia distinta, mas geralmente desvalorizada, desses negócios intensivos requer não apenas uma métrica diferente, mas também práticas diferentes de gerenciamento. Por exemplo, como até as pequenas mudanças na produtividade do funcionário têm um impacto importante nos retornos dos acionistas, o “gerenciamento de recursos humanos” não é mais uma função de suporte, mas um processo essencial dos gerentes de linha.

As empresas para as quais trabalhei no início de minha carreira eram grandes e gastavam bilhões de dólares com pessoas: grandes indústrias farmacêuticas, grandes varejistas, grandes empresas de tecnologia e grandes hospitais. Essas empresas grandes e bem-sucedidas já tinham vantagens prestando muita atenção nas pessoas contratadas e em como elas eram gerenciadas, e simplesmente fazia sentido estar na vanguarda da metodologia people analytics em sua busca para multiplicar sua vantagens relacionadas a pessoas.

Com o decorrer do tempo, trabalhei com empresas menores em uma maior variedade de setores e que queriam reduzir a vantagem que as grandes corporações no setor tinham sobre elas e também encontrar uma nova margem aplicando o people analytics. Hoje, o trabalho do people analytics não está limitado a um setor específico ou tamanho da empresa; ele oferece oportunidades no âmbito de empresas de quase todo tipo e tamanho.

Competindo na Nova Fronteira da Gestão A análise de dados no campo das finanças já foi a fronteira da gestão comercial, e as primeiras empresas que a usaram tiveram uma vantagem nítida sobre sua concorrência. Por sua vez, a análise de dados no campo do marketing já foi um grande diferenciador da concorrência. Mas com o tempo, essas técnicas foram tão utilizadas, que seus benefícios não ofereciam mais uma vantagem em relação à concorrência. Pelo contrário, usar esses tipos de análise é apenas o preço para entrar no jogo dos grandes negócios. Acredito que hoje o mundo dos negócios esteja vendo o surgimento da análise de dados no campo dos recursos humanos como o último exemplo de tendência. No fim, todos precisarão usar o people analytics para prosseguir, mas agora as empresas inovadoras têm uma chance de usá-lo para uma vantagem real. Agora que você está convencido, sua primeira tarefa é descobrir onde iniciar. Para tanto, é preciso escolher um projeto. Como verá com os métodos e exemplos compartilhados neste livro, o people analytics pode ajudá-lo a usar os dados para descobrir, em linhas gerais: Onde estão os pontos fortes e fracos das pessoas na empresa. Como fazer uma mudança com os dados. Como priorizar e alocar recursos escassos e tempo. Especificamente, você terá que determinar onde encontrar o melhor retorno sobre o investimento para seu esforço no people analytics. Está aplicando dados no processo de recrutamento para encontrar modos de aumentar o resultado do recrutador, reduzir o tempo e o custo da contratação ou aumentar a qualidade dela? O melhor uso de seu tempo é ouvir com mais atenção os funcionários, para entender quais obstáculos os impedem de fazer o melhor, ou usar os dados, para identificar as influências ocultas que podem ser uma ameaça para o futuro sucesso da empresa? É um gerente ruim, faltam ferramentas e recursos, divergências entre os funcionários,

faltam salário e benefícios competitivos, ou há outros problemas que impedem uma produtividade ideal, resultando em um declínio na motivação e no comprometimento do funcionário? É o melhor uso de seu tempo identificar o que significam os dados dos parceiros sobre quem fica e quem sai? É um desafio lidar com as suposições comuns sobre o que faz um funcionário ficar ou sair da empresa, identificar quais características ou condições do funcionário tornam sua saída mais previsível, determinar quais ações a gerência pode tomar para reduzir a probabilidade de abandono por parte de seus melhores funcionários ou avaliar se as ações que a gerência toma funcionam? São apenas exemplos de perguntas de três categorias amplas de exploração de onde é possível aplicar seu tempo e seus recursos no people analytics, entre milhares de possibilidades.

A análise mais vantajosa para uma empresa pode não ser para outra. Sem saber mais sobre a empresa, não é possível dizer onde você deve começar para ter o maior impacto. Para evitar uma lista muito complicada de opções (e um livro com mil páginas), reduzi a faixa de possível foco em três problemas principais com pessoas que as empresas devem resolver: atração, ativação e abandono do funcionário. Haverá muito mais sobre conceitos, medidas e métodos de análise para esses tópicos no livro, e uma análise cuidadosa de cada uma das três áreas de alto nível de foco (atração, ativação e abandono) fornecida aqui no livro ajudará a determinar onde sua atenção terá maior impacto para a empresa. Não há limites para o que você pode aprender com esses tópicos e nem aos lugares aonde seu trabalho inicial pode levá-lo, então vamos começar!

NESTE CAPÍTULO Demonstrando como o people analytics pode resolver um problema comercial real Aproveitando as decisões e a liderança do people analytics Apresentando a promessa do people analytics

Capítulo 2

Justificando um Caso Comercial para o People Analytics de que as pessoas importam para os resultados do negócio é igualmente A visão consistente nos setores e em empresas de pequeno e grande porte, mas na hora da verdade, quando as iniciativas anuais e prioridades de cada executivo são definidas, normalmente as pessoas (junto dos departamentos de RH encarregados de ajudar no sucesso das pessoas) ficam em segundo plano. As empresas gastam fortunas atualizando seu equipamento, comprando e incorporando outras empresas, lançando novas campanhas de marketing, estendendo linhas de produto e realizando outras várias iniciativas estratégicas, mas quando chega a hora da gestão real e de os recursos mandarem bem na aquisição, ativação e retenção das pessoas, muito pouca gente propõe algo diferente e digno de atenção. Por quê? Em grande parte, a resposta para essa pergunta está na visão financeira de curto prazo recompensada pelos ciclos de relatórios financeiros trimestrais da Bolsa de Valores. Pouca consideração é dada às atividades intensivas em recursos humanos que ocorrem em longo prazo. Contudo, se você está comprometido em melhorar os resultados financeiros em longo prazo, deve trabalhar para melhorar os fatores implícitos que produzem tais resultados, inclusive a aquisição, a experiência, o envolvimento e a retenção do funcionário. Como ter um argumento convincente para essas iniciativas orientadas em pessoas? É preciso demonstrar um modelo de valor básico que ilustre de onde vêm os resultados que sua empresa aspira e como as pessoas se conectam a isso. (A Figura 2-1 mostra um modelo.)

FIGURA 2-1: Modelo de criação de valor comercial.

Após mais de 20 anos trabalhando com dezenas de empresas diferentes, tamanhos variados e todos os tipos de setores, nunca ouvi ninguém questionar a lógica do diagrama mostrado na Figura 2-1. Então por que os líderes não prestam mais atenção em todas as entradas, incluindo pessoas, em vez de focarem apenas as saídas? A provável razão é que melhorar o RH parece ser chato. E mais, conseguir resultados na esfera de pessoas, ou seja, gerenciar a atração de talentos, ativação e abandono, requer um bom esforço ao longo do tempo.

Um trabalho prolongado e sólido dedicado a construir o sucesso por meio de pessoas, mesmo quando demonstra que altera o ponteiro financeiro, geralmente não é o ponto forte daqueles que conseguiram chegar ao topo. Essas pessoas abriram caminho no que tem sido tradicionalmente um mundo “tudo ou nada”, com a cara e a coragem, portanto, gerenciar outras pessoas em longo prazo pode ser como um ponto cego. Todavia, alguém na liderança sênior precisa ser convencido sobre como utilizar o poder das pessoas como grupo, do contrário, isso nunca será uma prioridade.

A menos que você tenha um patrocinador comercial que acredite na utilidade do people analytics desde o início, terá que encontrar apoio matemático para seus argumentos. Poucos executivos “confiarão” que mudar totalmente sua abordagem em relação às pessoas é a melhor solução para alcançar o Shangri-La financeiro. Então, como você demonstra que o que faz com o RH ajudará no resultado? Simples: usando dados. E mais, acaba sendo uma questão do que vem primeiro: a galinha ou o ovo. Você precisa de dados para vender seu plano e obter os recursos necessários para coletar dados, mas pode usar os dados só depois de ter os recursos necessários para coletá-los e avaliá-los. De algum modo, é preciso definir a metodologia people analytics mesmo quando não há nenhum apoio para coletar os dados e aplicar o people analytics. Forneço as melhores jogadas que tenho para sair dessa confusão.

Fazendo os Executivos Aceitarem o People Analytics Os executivos são abertos a novas possibilidades que mudem como eles fazem as coisas quando (e apenas quando) acreditam que elas atendem a suas necessidades. Para resumir muitos anos de teoria econômica e psicológica, toda ação que as pessoas realizam é devido a uma insatisfação. As pessoas se sentem insatisfeitas em sua condição atual, por algum motivo e, por causa disso, são motivadas internamente a uma ação para resolver o problema. Considere isso como abrir a geladeira para pegar uma bebida quando você tem sede ou tirar sua mão rapidamente do fogão quando a panela ainda está quente. O desconforto dispara uma ação para aliviar a dor e conseguir um estado esperado de maior felicidade.

Introdução aos ACCs Uma teoria fácil de entender, conhecida como modelo ACC, explica como conseguir que as pessoas façam qualquer coisa que você deseja (veja a Figura 2-2). As letras ACC significam antecedentes, comportamentos e consequências.

FIGURA 2-2: Modelo de influência do comportamento ACC.

No contexto do caso comercial para a metodologia people analytics, os antecedentes (A) representam a primeira parte da história que apoia o porquê de você desejar o people analytics. A parte A pode consistir nas experiências anteriores e sentimentos dos executivos que você tenta convencer. Isso pode envolver certa aflição que eles têm com os funcionários e, por vezes, o que impulsiona os executivos são as observações que eles fazem sobre os esforços de outra empresa no people analytics. Outras, o que os impulsiona são os argumentos convincentes dos vendedores que desejam lhes vender um novo sistema ou serviço. A parte A inicia o processo, mas geralmente não é suficiente para ir até o fim. Pulando para a última letra na teoria, as consequências (C) representam o que as pessoas que você tenta convencer querem que aconteça. Quais são as consequências de engajar ou não as pessoas no people analytics? (Em minha experiência, o C provavelmente conduz 80% da motivação para apoiar seu caso comercial.) As consequências precisam ser bem amplas para as pessoas suportarem os custos e o trabalho pesado do primeiro C. A letra do meio, C, se refere aos comportamentos necessários para mover os antecedentes para as consequências. Os membros da equipe executiva podem precisar mudar o modo como tomam decisões, podem precisar investir dinheiro em alguns sistemas ou precisam permitir que você colete alguns dados. Como esse C envolve correr risco e fazer algumas mudanças, A e o último C precisam ser bem convincentes.

Ter transparência é essencial O motivo para a falta de interesse na metodologia people analytics entre seus superiores é que as pessoas que você quer convencer não entendem como serão melhores usando-a. Para ser franco, os executivos não veem como os supostos benefícios justificam o custo ou o problema causado ao saírem do estado atual para o estado proposto que o people analytics oferece.

Raramente as pessoas fazem mudanças ou investimentos significativos com base em uma premissa abstrata, não importa se parece boa. As pessoas fazem grandes

mudanças e investimentos para, de algum modo, melhorar sua condição. Os executivos não aceitarão seu caso comercial para o people analytics a menos que acreditem que seus resultados ou posição social melhorarão ou sintam certo alívio em relação a uma obrigação anterior que justifique o custo e o problema em potencial. Portanto, focar seu caso comercial em como a pessoa que você deseja convencer estará melhor no final é o segredo do sucesso.

Os sonhos dos casos comerciais são feitos de problemas, necessidades, objetivos Ao contrário da crença popular, as soluções em si não têm nenhum valor real. Elas derivam seu valor dos problemas que pretendem resolver. Sei que há uma boa chance de que o motivo para você ler este livro seja o de que já tem uma ideia de que há um problema que o people analytics ajudará a resolver; você não preparou totalmente a definição do problema até que tudo esteja claro. É provável que os líderes comerciais não tenham definido o problema ainda, e menos provável ainda que seja um problema com pessoas que você possa resolver com análise. Nesse ponto, a maioria dos líderes ainda não está acostumada a ver os dados para resolver problemas de RH ou de gestão relacionados a pessoas, o que dirá ver o RH para obter dados. O primeiro passo para desenvolver um caso comercial para o people analytics é igual ao primeiro passo para iniciar um projeto people analytics: defina claramente o problema. O people analytics é uma solução, e as soluções derivam seu valor dos problemas que resolvem. Sem um problema, uma solução não tem valor, portanto o people analytics não é o ponto de partida para seu caso comercial. Primeiro você precisa entender o problema. Isso começa com a demonstração de que você tem uma profunda compreensão do conflito que o negócio geralmente enfrenta (e o líder comercial pessoalmente). Porém, desenvolver essa profunda compreensão requer um trabalho sério e muita conversa. Veja algumas perguntas para você trabalhar na resposta: Qual problema o people analytics pode resolver para a pessoa que você quer convencer? Qual necessidade o people analytics atenderá para a pessoa que você quer

convencer? Quais objetivos podem ser alcançados pelo people analytics para ajudar a pessoa que você quer convencer? Qual é o conflito que o people analytics resolverá? Se você puder responder a uma ou mais dessas perguntas com absoluta clareza, terá uma boa chance de aprovar seu caso comercial. Se não puder, estará na corda bamba. Se não tiver absoluta clareza, marque uma reunião com mais executivos e peça que eles especifiquem seus problemas, suas necessidades, seus objetivos e conflitos.

Se os executivos quiserem voltar a conversa para o que você faz, não siga esse caminho. É melhor mantê-los falando sobre o que eles veem como problemas do que focar o que você vê. Fique longe do que eles acham que você quer ouvir, sempre volte a atenção para eles e seus problemas.

Adaptando-se ao tomador de decisão Veja um cenário: se estivesse propondo o people analytics para um CEO que você sabe que valoriza uma mão de obra totalmente engajada e está preocupado com a produtividade na empresa, poderia começar com o problema sobre o qual a empresa precisa aprender mais, ou seja, por que o engajamento dos funcionários está ruim em alguns grupos e bom em outros, e como controlar isso. Portanto, você deseja estudar os gatilhos do engajamento deles. Você está usando a linguagem do CEO. Saber o que é importante para o tomador de decisão que você está tentando convencer e usar a própria linguagem da pessoa para ajudá-la a entender sua abordagem são estratégias boas. Se seu CEO acredita (ou pode ser convencido com facilidade) que o engajamento dos funcionários é um problema, falando de modo geral ou em um grupo específico, isso pode servir como sua introdução. Uma alternativa seria o CEO acreditar que o engajamento importa, mas ele pode não ver isso como um problema. Nesse caso, você tem mais trabalho a fazer, então precisa descobrir o que o CEO percebe como problema. Depois de entender isso,

poderá explorar se ele estaria interessado em buscar conexões para ajudá-lo a resolver o problema usando uma nova abordagem, que chamamos de people analytics. Além de identificar o problema que é importante para o CEO, você também precisa entender como ele toma decisões. As pessoas têm preferências diferentes pela evidência. Para algumas pessoas, a evidência de que outras empresas bem-sucedidas estão usando o people analytics pode ser um motivo bem convincente para que a delas também o use. Outras pessoas podem ter padrões mais altos. Elas podem precisar ser convencidas com um argumento diferente: “A gerência é importante para nosso futuro, e a gestão é para pessoas, portanto, o people analytics pode nos ajudar melhor nessa tarefa.” Finalmente, algumas pessoas podem ser convencidas apenas com uma planilha mostrando um ROI por programa em uma moeda específica. Continue investigando até descobrir o modo certo de conversar com cada tomador de decisão em particular que você precisa persuadir.

Influência = QI × QE2 Para influenciar os envolvidos que decidirão se seu projeto continua, é preciso o equilíbrio perfeito entre oferecer boas ideias (quociente de inteligência ou QI) e oferecer um modo de se conectar com outras pessoas (quociente emocional ou QE). Se o QE representa “pessoas inteligentes”, representa a solução apresentada e como é apresentada, por isso é elevado ao quadrado. Seu desafio é definir esse problema para si e articulá-lo de um jeito que seus patrocinadores executivos em potencial possam entender. Fazer isso requer que as camadas sejam retiradas. Para saber mais, veja a próxima seção.

Camadas da cebola O problema comercial em particular com o qual está lidando depende das circunstâncias. A princípio, o problema comercial pode parecer não ter relação com as pessoas, mas se você perguntar “por quê?” várias vezes, provavelmente chegará a

um ponto em que os comportamentos das pessoas (ou as ações que elas tomam ou não) se mostrarão cruciais. Pense em como as pessoas se importam com os resultados comerciais: Elas inventam produtos e serviços. Elas interagem com os clientes. Elas fazem coisas certas entre si e para o mundo, ou fazem coisas erradas. Tudo o que as pessoas fazem ou deixam de fazer tem consequências. Os pensamentos, as atitudes e os comportamentos das pessoas afetam os resultados comerciais. Com esse conceito em mente, parece óbvio que o people analytics, um método planejado para entender as pessoas, seja útil em algum nível. Mas embora você e eu estejamos convencidos, ainda não acabou. Seu trabalho começa agora. Já ouviu falar sobre uma variante da afirmação de John Dewey, “Um problema bem definido é um problema meio resolvido”? Trata-se de uma grande verdade. Quanto mais entende o problema, mais você e outras pessoas podem ver como o people analytics pode ajudá-los a resolvê-lo. Nesse contexto, “retirar as camadas” significa que, depois de identificar um problema, você continua fazendo perguntas de investigação para descobrir a evidência do problema. Essa evidência é útil para montar um caso comercial atraente. A evidência: Prova ou desaprova o problema. Demonstra a magnitude do problema. Fornece uma expressão mensurável do problema para analisar. Ajuda a identificar as medidas que você pode correlacionar com outras medidas. Fornece um ponto de partida para medir o progresso. Encontrei estas perguntas úteis na conversa para a retirada de camadas: Como você sabe que isso é um problema? Quais medições mostram a evidência do problema? Qual é a situação no momento? Como você prefere que fosse? O que você acha que causa o problema? Quais causas você acha mais importantes? Onde, especificamente, o problema aparece?

Quem é mais afetado pelo problema? Quem ele afeta menos? Quando o problema ocorre com mais frequência? Se esse exercício falhar em produzir qualquer problema atraente para o people analytics, a próxima opção será mostrar um problema que a pessoa que você tenta convencer não conhecia. Ela não percebeu que tinha um problema com pessoas, mas talvez tenha. Para tanto, é preciso encontrar um modo de coletar dados sem muito investimento. Atraia a pessoa com um teste de amostra gratuito para ver se ela se decide pela compra.

Identificando problemas com pessoas Normalmente você precisa de mais do que um argumento de alto nível para influenciar outras pessoas em relação ao modo people analytics de pensar sobre pessoas. Parte do problema é que todos têm uma opinião sobre as pessoas e a maioria não quer mudar isso, e quando diante de uma visão contrária, muitos voltam para seu canto e dizem: “Bem, você tem sua opinião e eu tenho a minha.” Para resolver tal impasse, você precisa de mais do que apenas opiniões sobre pessoas, é preciso ter fatos sobre elas. Em minha experiência profissional, os executivos que experimentaram ideias derivadas de dados sobre as pessoas não querem saber de outra coisa, sobretudo sobre as pessoas em sua própria empresa. Há muitos modos de seduzir os executivos, mas dificilmente você errará com estas quatro métricas: Relação de perdas/ganhos em admissões e demissões para seus principais concorrentes: Se grande parte dos melhores candidatos que você contata nos concorrentes rejeita as ofertas de seus recrutadores, isso é um problema. Se você perde 20% de suas ofertas aos candidatos para o Facebook, a Amazon, a Apple, a Netflix ou o Google (conhecidos coletivamente como FAANG), isso é um problema. Talvez o FAANG não esteja incomodando você, mas uma grande parte de seus funcionários nos principais cargos está sendo aliciada pelo mesmo concorrente. Isso é um problema. Essas informações não são difíceis de encontrar, e provam ser algo revelador para a equipe executiva. Taxa de abandono voluntário do funcionário por segmento de mercado: Você pode ver a divisão, função do cargo, taxa de desempenho, estabilidade e região (e

qualquer outro segmento que interessa aos executivos). Quando começa a observar os dados assim, é inevitável ver algo que inspira o interesse dos executivos (ou provoca um medo profundo no coração deles). Porcentagem de engajamento por segmento de mercado relevante: O engajamento é um índice de perguntas da pesquisa que mede o grau de comprometimento dos funcionários com a empresa e a motivação para fazer um esforço voluntário. A pesquisa mostra uma grande porcentagem de funcionários que são tão frustrados com o trabalho que apenas ficam a postos e recebem o salário, sem motivação para fazer nada mais do que o mínimo. Um executivo que consegue ver os dados das próprias pessoas da empresa indicando um problema pode estar aberto a buscar uma estratégia do people analytics para resolver a situação. Probabilidade de buscar uma nova oportunidade de emprego nos próximos 12 meses e/ou recomendar a empresa como um empregador: Mais uma vez, é possível aprender muitas coisas com uma simples pergunta da pesquisa. Você ficaria chocado com o que as pessoas divulgarão. Foi constatado que essas perguntas se correlacionam com os resultados reais e o desempenho comercial. Essas ideias básicas não são caras nem difíceis de adquirir, e são ótimos pontos de entrada para começar a gerar interesse e perguntas nas quais aplicar uma metodologia people analytics mais avançada. O mais importante é que essas ideias podem chamar a atenção dos executivos para os problemas — problemas que eles podem não conhecer.

Depois de ter identificado os problemas, as necessidades, os objetivos ou conflitos, você tem um bom ponto de partida, mas ainda precisa descobrir o melhor ângulo para persuadir o executivo para que ele invista dinheiro e tempo. Para tanto, tem de entender como o executivo que você quer persuadir é motivado. Nas próximas seções, mostro três opções: movido por sentimentos, por tempo ou dinheiro, e pela necessidade de liderar.

Levando os sentimentos a sério

Uma das descobertas mais importantes tiradas de uma recente pesquisa de marketing é a de que as pessoas compram o sentimento que elas antecipam desfrutar como resultado da compra e do uso do produto ou serviço. Sem explicação, as pessoas realmente não compram o produto ou o serviço com base em uma avaliação lógica dos recursos dele. Pelo contrário, compram segundo a emoção ou a satisfação psíquica que imaginam ser disparada ou estimulada. É por isso que a qualidade do produto, o serviço e as relações são importantes diferenciadores do produto. Para ver as coisas segundo uma pesquisa de marketing, qual é a sensação que um executivo terá depois de aceitar a ideia do people analytics? O que você precisa fazer é apresentar para ele uma imagem de como o people analytics gerará sentimentos profundos de segurança, conforto, status, prestígio, entusiasmo ou conexão pessoal. Considere o que está abaixo da superfície das emoções do executivo. A pessoa quer sentir orgulho de estar na liderança? Sentir-se superior aos concorrentes? Não ficar para trás competitivamente? Sentir mais segurança e controle?

Além dos sentimentos gerais sobre as pessoas, é vantajoso conhecer os problemas na empresa que consomem o executivo no momento. Se você fala sobre esse problema comercial e pergunta “por quê?” muitas vezes, em geral o caso se resume a um problema com pessoas.

ADICIONANDO DESEJO E MEDO À MISTURA Algumas pessoas acreditam que apenas duas motivações básicas fundamentam toda ação: desejo de ganho e medo da perda. Veja um argumento para o medo: imagine que se você não faz nada para corrigir certas tendências em sua empresa, há um risco crescente de vários candidatos entrarem com uma ação judicial, resultando em um impacto adverso na empresa em algum momento inoportuno. O caso comercial pode ser simplesmente: “Não deixe a empresa falhar em fazer o certo,

resultando em uma perda preocupante e cara no tribunal. Pelo contrário, seguiremos usando o people analytics para encontrar meios de acabar com a tendência de nossos processos de decisão.” Se prefere criar um caso comercial positivo, você pode ser mais sutil. Pode compartilhar um resumo de como o Google e outras empresas renomadas usam o people analytics para revolucionar os esforços de RH. Elas extraem as vantagens comerciais do people analytics, e você não deseja que sua empresa fique para trás. Lembre-se de que a promessa de bons resultados é mais motivadora para algumas pessoas e que o medo de resultados ruins é mais para outra. Nota: Fique de olho também nas consequências da inércia. Outro modo de convencer os interessados é falar sobre o que acontecerá se você não fizer algo para resolver o problema.

Economizando tempo e dinheiro Algumas pessoas gostam dos casos comerciais sobre economizar tempo e dinheiro da empresa. No negócio, você paga pelo tempo, portanto, tempo e dinheiro basicamente podem ser usados de modo alternado. Os casos comerciais usados para as equipes de inteligência comercial e de data science normalmente enfatizam o fato de que a empresa já gasta muito tempo e dinheiro preparando relatórios e análise para os executivos. Eles estão sendo ineficientes. O caso comercial não gira em torno de a empresa estar preparando relatórios. Tal caso se baseia no argumento de que implementar um sistema ou uma equipe centralizada, ou ambos, reduzirá o tempo e o dinheiro gastos gerando as mesmas informações. Um argumento parecido pode ser usado com o RH se já ocorre o trabalho de relatório e análise, em que os executivos já veem valor. O caso comercial para fazer uma mudança é que eles obtêm as mesmas informações com mais eficiência se conseguem mais dinheiro. (Isso pode funcionar nas situações em que você já faz

algo com os dados, mas provavelmente não dará certo nas situações em que não faz nada.)

Pode ser melhor indicar que a empresa já toma muitas decisões relacionadas ao RH sem dados e que usá-los permitirá que ela tome as decisões melhor ou mais rápido, ou com menos dinheiro do que usar os processos arcaicos de tomada de decisão.

Liderando o setor (de forma analítica) Em um alto nível, basicamente você tem três opções para administrar o RH: Baixo custo (nem mesmo tenta competir): Você pode buscar um modelo de operação de RH com baixo custo e elementar para administrar processos básicos legalmente e com a maior eficiência possível. Você desempenha funções realizadas por grandes empresas há mais de 100 anos, então, o que pode dar errado? Você obedece à legislação do governo e “faz a papelada” com a precisão e a rapidez possíveis. Se não parece dar certo, você não sabe o motivo, mas se sente à vontade para demitir o chefe do RH e tentar de novo. Alta qualidade (segue o líder): Você aspira ser como as melhores empresas no mundo, por isso copia as coisas que elas fazem no RH. Se mudam seu plano de aposentadoria, você muda o seu. Se planejam ter escritórios com espaços abertos, você copia isso. Se oferecem a seus funcionários pufes e mesas de pingue-pongue, faz o mesmo pelos seus. Se almoços gratuitos são oferecidos, bem, talvez você não consiga fazer isso, mas oferece um por semana, dá desconto na cafeteria da empresa ou faz algo parecido. São exemplos simples de “melhores práticas”. Você aspira ter alta qualidade e sente-se bem com isso, mas não quer inventar nada. As melhores práticas podem parecer ótimas, mas o problema é que você não tem tempo e dinheiro ilimitados, portanto ainda precisa escolher. E há um obstáculo: como deve escolher? Você realmente não sabe por que a outra empresa faz o que faz. Não sabe se realmente funciona, nem se é lucrativo. Realmente não sabe se foi planejado para resolver um problema que você não tem. Não sabe se cria outros problemas imprevistos. São muitas coisas que você não sabe. Como escolher? Inovação: Se você fizer um bom trabalho fazendo perguntas importantes sobre

como as pessoas se conectam aos resultados comerciais e o melhor modo de gerenciá-las, encontrará as respostas usando dados e experimentação. Você administrará seu departamento de RH mais como um professor de Ciências curioso do que como um monitor linha-dura. Buscará certeza empírica sobre as decisões tomadas que impactam a vida dos funcionários, desde quem contratar até quanto pagar e quais benefícios oferecer. Se escolher a terceira opção, precisará de dados. Talvez seja o que os executivos querem que você crie. É possível propor uma imagem atraente de como será? Em caso afirmativo, isso em si poderá ser suficiente para convencer, dadas as alternativas.

People Analytics como Ferramenta de Suporte da Decisão O uso crescente da tecnologia, de sistemas corporativos e plataformas de recrutamento online, como o LinkedIn, está gerando mais informações e dados do que nunca. Há um entendimento comum de que algo nesses dados pode ser útil, mas que, como em um closet bagunçado, as pessoas se esforçam para encontrar o que estão procurando. As soluções implementadas no people analytics são para cortar o acúmulo de dados para encontrar a informação necessária, tomar melhores decisões e melhorar o desempenho. As decisões que envolvem pessoas são uma das mais importantes e impactantes que uma empresa pode tomar. Considere todas as decisões tomadas sobre pessoas em um negócio: Qual tipo de pessoa contratar. Quando contratar. Como contratar. Quantas pessoas contratar. Quem contratar. Quanto pagar. Como recompensar. O que treinar. Quando treinar. Como treinar. E continua. A soma dessas decisões tomadas sobre pessoas para um negócio é demonstrada na grande quantidade de dinheiro que as empresas gastam com pessoas, como se reflete em seus livros-caixa. Com certeza, a qualidade dessas decisões impacta a qualidade dos resultados de todos esses gastos. Decisões

importantes e caras serão tomadas com descuido, e, com a metodologia people analytics, você consegue ligar melhor os pontos. As decisões bem tomadas remontam à qualidade do pensamento das pessoas que tomam a decisão e às informações que elas têm para tanto. Aquelas que aplicam dados e análise para tomar decisões têm vantagem. A maioria das áreas comerciais em que decisões cruciais são tomadas — finanças, marketing e operações, por exemplo — já aprendeu e aplicou esse simples fato. Não aplicar dados nos recursos humanos coloca os executivos de RH em uma grande desvantagem quando precisam obter suporte e recursos em relação aos líderes das finanças e de marketing. Também coloca a empresa em grande desvantagem em comparação a outras. Se você quer ir direto ao que interessa, veja a situação: o people analytics permite medir o desempenho da empresa em um nível muito mais profundo do que antes, direto no nível das pessoas, o que, por necessidade, permite a você: Aprender com o passado para melhorar os resultados no futuro: Se você fala sobre as informações coletadas no processo de contratação, em pesquisas dos funcionários, dados da entrevista de desligamento do funcionário ou algum outro tipo de dados, o people analytics permite aprender o que funciona ou não com mais rapidez, para que você possa fazer os ajustes necessários para melhorar o desempenho. A metodologia fornece um feedback de medição para que todos sejam responsáveis pela eficiência das ações que decidiram tomar. Prever o desempenho futuro com mais precisão: Antes de o mundo ter um apreço profundo pela Biologia e pela Medicina, quando uma pessoa se sentia mal, era comum que os médicos (se você quiser chamá-los assim) tivessem dificuldade para prever o que aconteceria. Depois de a Ciência ter ajudado os médicos a ter mais informações sobre o que acontece dentro do corpo humano, eles puderam trabalhar melhor na previsão do que aconteceria quando observavam certos padrões. Muitas vezes, essas previsões permitem que os seres humanos tomem ações que mudam seu futuro ou o das outras pessoas. (Por exemplo, se sua pressão arterial está alta, você faz algo com a intenção de mudar o curso de um futuro ataque cardíaco iminente.) Com o people analytics você faz a mesma coisa, examinando mais profundamente o corpo da empresa, o que permite medir a saúde da empresa, aumentando assim sua capacidade de prever os futuros resultados dela, e, por fim, permite sugerir ações que darão mais controle sobre esses resultados. Focar os esforços para melhorar coisas que terão mais impacto ao aplicar

dinheiro e abandonar coisas que não têm nenhum impacto significativo: Muitas práticas de gestão de pessoas e RH são baseadas em mitos, enganos, ideias incompatíveis, ideias essas que nunca funcionaram de fato e outras ações que funcionaram antes, mas agora não. O people analytics lidera um novo modo de ser para o RH, que o direciona para aplicar recursos em ações que terão mais impacto e retira as que não têm. Administrar de modo mais eficiente: Com o people analytics, você pode apresentar dados, indicar problemas e trabalhar para resolver questões com uma participação em grupo inteligente, em vez de em um estilo de gestão autoritária e “intuitiva”. Saber que está fazendo a coisa certa (e ser capaz de defender que está certo): O people analytics pode ajudá-lo a tomar decisões relacionadas à contratação que são menos tendenciosas e fornecem um feedback transparente contínuo, que, por natureza, resultará em uma empresa com gestão mais diversa, inclusiva e ética. Essa mesma análise pode ser usada para defender as decisões tomadas com pessoas internas e externas. Os relatórios e as análises podem ser usados quando a empresa é processada ou para atender aos requisitos determinados da EEOC (Comissão para a Igualdade de Oportunidades de Trabalho).

Formalizando o Caso Comercial Que tipo de caso comercial você cria depende das características dos tomadores de decisão, dos processos formais estabelecidos para tomar decisões e da cultura da empresa. Alguns lugares podem requerer um relatório formal e uma apresentação refinada em uma sala de reuniões. Outras podem ficar satisfeitas com uma apresentação de slides, um pequeno memorando ou até um e-mail. Provavelmente os requisitos variam dependendo da importância dos recursos que você solicita. Mesmo assim, um ótimo hábito a adquirir ao iniciar a jornada do people analytics é montar o seguinte (nem que seja só para clarear seu próprio pensamento): Problema: A definição clara do problema que você trabalhou tanto para definir no começo. Evidência do problema: Os sintomas que demonstram que o problema é real. Impacto do problema: Os efeitos do problema no negócio. Solução: O alcance e o conteúdo da solução proposta. Crie uma visão de como será bom depois que você implementar a solução. Evidência da solução: Os critérios que determinam que a solução corrigiu o problema. Impacto da solução: Os benefícios que a empresa ganhará. Processo: As etapas necessárias para concluir e implementar a solução. Custo: Estimativas dos fundos que o projeto precisa. Linha do tempo: Datas e marcos para concluir as etapas do processo. Você também pode querer incluir em suas anotações um resumo das outras soluções consideradas, os critérios usados para escolher a solução, os métodos usados para estimar os ganhos que a empresa terá e outras particularidades. Se você apresentar esse relatório para os executivos, deve colocar esse detalhe nos apêndices no final. Resumos de uma página na frente de um documento extenso são chamados de resumos para nada!

Apresentando o Caso Comercial O próprio caso comercial esquematiza o problema e a solução proposta. Apresentar o caso comercial para os envolvidos é uma oportunidade para avaliá-lo. Você confirma se o problema é um ponto de conflito real na empresa e se a solução proposta é boa. Se você vem trocando ideias com os envolvidos durante o processo, essa parte da apresentação não deve gerar nenhuma surpresa. A apresentação também dá aos participantes a oportunidade de entrar em detalhes, por exemplo, verificar se há dinheiro no orçamento para licenças de software e confirmar a disponibilidade dos executivos, recursos humanos e TI para trabalharem no projeto.

Crie uma apresentação modular com tempo para perguntas entre os módulos. Um discurso em um único bloco, sem intervalos para respirar, perderá público. E mais, não faria mal nenhum ter uma prévia com alguns participantes da reunião, para que você tenha aliados na sala. Mas escolha com cuidado; se o envolvido não apoiar seu caso comercial, ele terá tempo para encontrar falhas nele. Gosto de estruturar minhas apresentações assim: 1. Agradeça a todos na reunião pelo tempo investido e informe que foi útil no desenvolvimento do caso comercial que apresentará. 2. Lembre à sala sobre os interesses mútuos de todos. 3. Declare os objetivos da apresentação. Diga algo como “Nosso objetivo hoje é descobrir se a abordagem people analytics sugerida atenderá a nossas necessidades. Se não, quero entender o que teria que mudar”. Deixe a porta aberta para tentar de novo, caso as pessoas não gostem de seu caso comercial. 4. Reveja o panorama em torno do problema.

5. Reveja a evidência e o impacto do problema. Peça aos envolvidos para verificar se você não se esqueceu de nada. Permita que eles acrescentem, modifique ou excluam. 6. Reveja a evidência e o impacto da solução. Peça que verifiquem se você acertou e se não se esqueceu de nada. Permita que eles acrescentem, modifiquem ou excluam. 7. Discuta sobre os critérios de decisão. A proposta deve mostrar como o projeto se alinha com um objetivo existente da empresa? Há um requisito orçamentário máximo? Há uma exigência de ROI em particular? O projeto compete com outros para ter recursos? Há um modo particular como você deseja que o caso comercial seja apresentado? Basicamente, se você fez todo esse caminho para pedir que outras pessoas apoiem o trabalho no qual acredita, deve conseguir perguntar: ”Não seria justo se vocês me dissessem como tomar essa importante decisão para eu poder falar agora ou voltar com algo melhor na próxima vez que estiver aqui para conversar sobre o trabalho que estou propondo?” 8. Proponha etapas, custos e uma linha do tempo para a solução. 9. Reveja como a solução proposta lida com os problemas e atende aos critérios de decisão. 10. Decida continuar (se tudo der certo). 11. Discuta sobre detalhes do tempo, quem faz o que e fundos do projeto. Por fim, a apresentação do caso comercial dá aos envolvidos a oportunidade de decidir se é um bom projeto a iniciar e se agora é um bom momento para iniciá-lo. Se você definiu bem o problema e realmente vendeu a solução, logo estará iniciando seu primeiro projeto com o people analytics.

NESTE CAPÍTULO Entendendo como seu principal objetivo afeta o design do projeto Decidindo sobre um método de planejamento e modo de operação Planejando uma solução que lhe dará o que você precisa

Capítulo 3

Comparando as Abordagens do People Analytics comum eu ouvir que uma empresa passou anos preparando um painel de É muito dados avançado em um sistema de visualização só para descobrir que isso não dá aos executivos o que eles querem ou aquilo de que precisam, mas isso é dito com outras palavras. Veja alguns exemplos: “Implementamos um ambiente com painel de autosserviço, mas ninguém usa.” “Temos muitos dados, estamos afundando em dados agora, mas o que precisamos mesmo é de visões.” “Temos pessoas trabalhando no relatório, mas agora buscamos maneiras de ter mais impacto comercial com nossos dados.” A boa notícia é que esses problemas podem ser evitados se você determina o que está buscando, planeja cada projeto da metodologia people analytics para oferecer o que precisa e se comunica corretamente com as outras pessoas. Para simplificar o enigma das possibilidades do people analytics, mostro três das principais considerações do projeto, com duas opções cada.

Descobrindo o que Fazer Depois: Eficiência ou Visão Esta é a primeira pergunta a fazer em relação a seu próprio projeto people analytics: o que você busca realizar? Em minha experiência, as empresas embarcam nos projetos people analytics basicamente para aumentar a eficiência ao responder muitas perguntas comuns (relatório) ou ao responder novas perguntas (desenvolver novas visões). Qualquer objetivo pode trazer valor para sua empresa, e os dois são importantes, mas combiná-los em um único projeto leva a uma decepção certa. A Figura 3-1 mostra uma visão geral das duas abordagens, com um projeto de dados orientado à eficiência enfatizando o design dos sistemas e um orientado à visão enfatizando o design de análise. Nas próximas seções, explico cada um para que você possa decidir qual é seu foco primário para cada projeto.

FIGURA 3-1: As etapas em um projeto focado na eficiência não se parecem com as etapas no projeto baseado em visão.

Eficiência O exemplo clássico de um objetivo em eficiência é que você deseja usar um sistema para automatizar os relatórios que alguém já produz regularmente em um aplicativo de software, como Excel, Tableau ou R. Por exemplo, você ou alguém com quem trabalha pode trabalhar 40 horas por mês para produzir uma atualização normal nas visualizações de dados do número de funcionários, taxa de crescimento do número de funcionários, taxas de contratação, de saída, de promoção e tempo do recrutamento, tudo em uma apresentação de slides para a equipe de gestão executiva. Isso representa 7 entre as mais de 100 métricas possíveis de RH. O processo de fazer visualizações é complicado, demorado e gera erros por causa do esforço humano requerido para os dados necessários produzirem métricas a partir de sistemas, juntar tudo, fazer cálculos e transformar em gráficos. Você consegue fazer isso para um número limitado de métricas e segmentos, não em toda métrica e segmento relevante de sua empresa (digamos, por divisão, unidade comercial, local, cargo, estabilidade ou gênero). Para aumentar o número de métricas e segmentos produzidos todo mês, você terá de contratar mais pessoas para o serviço. Os sistemas mais modernos de painéis e visualização podem automatizar as ações necessárias para produzir centenas de métricas de RH e disponibilizá-las para muitos usuários diferentes em painéis visuais que podem ser segmentados ou filtrados para que o usuário possa obter apenas aquilo de que precisa ou o que deseja; digamos, por divisão, unidade comercial, local, cargo, estabilidade ou gênero. O objetivo da eficiência é implementar uma arquitetura de dados e sistemas para eliminar o trabalho pesado de conseguir os dados de que você e outras pessoas precisam, ou fazer isso com menos esforço. Quando se busca tal objetivo, suas escolhas mais importantes se relacionam com a arquitetura de dados e sistemas de relatório que usará para substituir o esforço humano pela máquina (automação). Os sistemas de relatório evoluem continuamente, de modo que os mais inovadores ficam desatualizados em poucos anos. Assim que você iniciar nesse caminho, provavelmente sentirá pressão para se reformular regularmente e acompanhar os novos recursos legais, mas, sinceramente, os sistemas de relatório atuais realizam o mesmo objetivo fundamental de 20 anos atrás: produzem as métricas das quais precisamos o tempo todo com pouco esforço humano, dado o estado atual da

tecnologia. Isso significa que seu objetivo principal é a eficiência, e o resto são apenas acessórios. Se o aumento da eficiência em seu esforço de análise for um interesse mais imediato e urgente do que descobrir novas visões, você terá muitos recursos a mais para aprender neste livro. Livros como Business Intelligence For Dummies (Swain Scheps) e Data Warehousing For Dummies, 2ª Edição (Thomas C. Hammergren) podem ser muito úteis para entender os conceitos e as escolhas de alto nível que você precisa fazer.

Visão A ênfase em problemas e perguntas é o marco de um projeto people analytics orientado à visão. Você inicia com o problema no qual deseja trabalhar e usa dados para responder às perguntas que acha que o ajudarão a entender melhor esse problema. Quando você procura novas visões, seus esforços mais importantes se relacionam com definir o foco do problema, as perguntas que deseja ter respondidas e o design de um fluxo de análise que oferecerá alguma percepção para responder às perguntas. Os melhores projetos de visão estão fundamentados no método científico. Você começa com ideias e coleta os dados específicos necessários para confirmá-las ou rejeitá-las, em vez de esperar tropeçar em uma ideia oculta nos dados coletados por acaso em algum sistema planejado por outros motivos. Embora seja possível encontrar dados em sistemas ou até preparar sistemas para continuar coletando certo conjunto de dados ao longo do tempo, o problema que você está analisando determina os dados coletados e os sistemas nos quais os armazena, não o contrário. O método científico direciona sua atenção para certos dados importantes para o problema, e, como resultado, esse método tem muitas vantagens em relação às alternativas. Contudo, o método científico requer um modo de solução de problemas que pode ser estranho para pessoas não treinadas em ciência.

Esse método não requer necessariamente muita ou nenhuma tecnologia. Em alguns casos, aplicativos estatísticos podem ajudar muito. Minitab, R, SAS, SPSS e Stata

são escolhas populares. Nas mãos certas, eles podem auxiliar o uso de métodos estatísticos avançados para ajudá-lo a entender os dados coletados, no processo de aumentar sua certeza sobre as visões obtidas. Uma iniciativa people analytics para conseguir visões é melhor ao lidar com problemas específicos e ajudar em certas decisões.

Não se pode ter tudo Você está interessado em eficiência e visão por motivos diferentes. Às vezes você busca respostas para novas perguntas, o que pode requerer novos dados e novas abordagens (desenvolver nova visão), e outras, só quer melhorar o fluxo de trabalho usado para obter respostas para perguntas comuns e recorrentes (desenvolver eficiência). Forçando uma escolha, mostrei uma visão simplificada de uma série complexa de opções e decisões. O melhor ambiente de dados para o people analytics é projetado para atender a alguns aspectos das necessidades de eficiência e visão. Isso quer dizer que o melhor ambiente de dados endereça as necessidades de relatório padrão e também pode ser aproveitado na análise investigativa para produzir novas visões. Porém, mesmo com um ambiente de dados planejado para essas duas finalidades, não é possível supor automaticamente que implementar um sistema de relatório atenderá às duas desde o início. Você também não deve supor que os projetos planejados para implementar os sistemas que produzem relatórios com eficiência devem preceder necessariamente os projetos planejados para produzir visões. Se o planejamento de um ambiente de relatório padronizado levar de um a dois anos ao custo de milhões de dólares para ser criado, e você pode fazer uma análise que produzirá visões com valor imediato para a empresa sem essa arquitetura, então não espere. Ao realizar um trabalho que outras pessoas valorizam, você pode conseguir uma justificativa para chegar a um acordo e fazer investimentos para automatizar as ações repetitivas em um sistema para que elas possam ser executadas com mais eficiência no futuro. Por outro lado, se o esforço para produzir uma nova visão só precisa ser feito uma vez e falha por completo, então a automação é desnecessária. Por isso, estimulo a ideia ilógica, às vezes, de que é melhor iniciar com projetos de visão.

Decidindo sobre um Método de Planejamento Outra pergunta a responder no projeto people analytics é sobre como pretende gerenciá-lo: com uma abordagem em cascata ou abordagem ágil.

Gerenciamento de projetos em cascata O gerenciamento de projetos em cascata descreve um método que é linear e sequencial visando um resultado conhecido. O plano inclui cada estágio de desenvolvimento desde o começo, e esses estágios não mudam. Nenhum estágio pode se iniciar até o anterior terminar. É a abordagem tradicional de gerenciamento de projetos. Imagine uma cascata em um penhasco íngreme. Assim que a água passa da borda e começa sua jornada, é tarde demais para escolher uma margem diferente para cair. É igual para o gerenciamento de projetos em cascata: assim que uma fase do desenvolvimento é concluída, ele segue para a próxima e não tem volta. A Figura 32 mostra as etapas que podem aparecer em um plano de projeto em cascata.

Em tal projeto, você precisa determinar corretamente todas as necessidades dos envolvidos, as preferências e os requisitos desde o início. Então a cascata é mais adequada para situações em que todos já conhecem a solução, como os relatórios comuns padronizados. Quando você consegue determinar os requisitos precisos do projeto desde o começo, a abordagem em cascata é boa. Se os relatórios padrão e as visualizações dos dados que outras empresas já implementaram com êxito são adequados às suas necessidades, a cascata é uma boa abordagem pelo simples motivo de que é amplamente entendida e respeitada.

Gerenciamento de projetos ágil Ao contrário de uma abordagem em cascata, o gerenciamento de projetos ágil descreve um processo no qual você faz pouco progresso, pausa para avaliar a situação e ajustar o plano, avança um pouco mais, ajusta um pouco, e assim por diante. Cada plano, design, criação e iteração do texto é conhecido como sprint.

FIGURA 3-2: Depois que a água (projeto) cai da rocha no penhasco (etapa no plano do projeto), não tem volta.

Se você sabe desde o início para onde vai, mapear o caminho da cascata é óbvio. Contudo, se não sabe exatamente o caminho ou se sabe que as condições provavelmente mudarão durante o trajeto, a estratégia em cascata o faz comprometer-se com decisões de design muito importantes logo de cara. Por exemplo, em uma grande empresa de tecnologia, eu deveria estudar o comprometimento dos funcionários, definido como a probabilidade de certo funcionário ou grupo ficar ou sair da empresa em um período de um ano. Desenvolvi uma pesquisa de funcionários com a intenção de entender o que explica, move e prevê seu comprometimento, correlacionando matematicamente as respostas

deles a uma série de itens independentes e como as mesmas pessoas respondem ao item Intenção de Ficar (que posteriormente eu validaria com uma análise precisa usando dados de desligamento reais). O problema a resolver era que no começo possivelmente eu não poderia saber o que de fato aciona o comprometimento, portanto não saberia o que não deve estar na pesquisa. São os gerentes? O salário? A reação do funcionário em relação à missão da empresa? A percepção do programa de benefícios? Está ligado às interações positivas ou negativas com os colegas de trabalho? É algum elemento cultural? É o objetivo do trabalho? Propósito da empresa? É a liderança? Dependendo da pesquisa de quem eu estava lendo ou com quem conversei, eu teria uma resposta diferente. A lista continuou aumentando cada vez mais. Finalmente, cheguei à conclusão de que eu não poderia perguntar tudo que fosse importante em uma pesquisa. As perguntas adicionadas implicariam que eu já sabia coisas que claramente não conhecia. Um design de projeto ágil me permitiu testar várias pesquisas de exemplo aleatórias preliminares, modificando-as, até chegar a uma conclusão razoável sobre quais perguntas seriam melhores para incluir em um esforço de pesquisa mais amplo e permanente. Em cada iteração da pesquisa, retirei algumas perguntas que minha análise dos dados mostrou não ser úteis e acrescentei algumas outras com o espaço liberado com o último teste.

A natureza ágil do projeto descrito aqui foi o design iterativo. No início eu não sabia de quantas tentativas precisaria para chegar ao design definitivo. Continuei até poder concluir razoavelmente que tinha chegado a um número suficiente de itens significativos para explicar, prever e possivelmente controlar o desligamento do funcionário no futuro.

Os problemas com pessoas podem ser incertos. Parecem ser algo, mas são outra coisa, ou podem iniciar em um lugar e ir para outro. Cada problema requer uma análise diferente e dados diferentes para resolvê-lo, portanto você não sabe especificamente de quais dados adicionais e de que análise precisará até começar a

trabalhar. O mais importante é que o entendimento completo de qual é o problema real pode não acontecer até você avançar bem no projeto. A abordagem ágil requer que se divida os projetos em partes menores, liberando os segmentos quando são finalizados e requerendo uma colaboração maior entre os envolvidos técnicos e não técnicos. É muito adequada para os métodos investigativos usados para ter visões. Utilizando uma implantação mais rápida dos recursos, você pode avaliar com rapidez o impacto do comportamento e da experiência dos usuários, reavaliar onde você está e escolher a próxima direção. A Figura 3-3 mostra uma visualização das iterações em um projeto ágil.

FIGURA 3-3: Em um projeto ágil, você conclui um segmento e “sobe para respirar” antes de iniciar o próximo sprint.

Um projeto ágil requer companheiros de equipe técnicos e não técnicos para avaliar o trabalho juntos durante o processo. Os intervalos de tempo menores que separam as conversas entre os técnicos e não técnicos criam oportunidades de aprendizagem valiosas para todos. Essa abordagem funciona muito bem para o treinamento: reconhece o valor de todos, aceita falhas iniciais com uma atitude construtiva e facilita um meio de trabalhar junto para resolver problemas.

Uma abordagem ágil requer que se aceite temporariamente um resultado imperfeito ou incompleto, mas no longo prazo pode chegar mais rápido aonde você precisa e com menos risco de uma falha em grande escala em relação à abordagem em cascata. Você não quer que as pessoas do sistema trabalhem por um ano antes de descobrir que não precisava dos recursos ou que o relatório não era tão útil quanto achou que seria. O método ágil ajuda a descobrir isso mais cedo.

Escolhendo um Modo de Operação Uma característica do people analytics que preciso mencionar é sobre como ele te ajuda a decidir se você tem uma equipe centralizada que assume a responsabilidade por projetos ou se pede que as pessoas na empresa deem uma mãozinha. Uma das perguntas mais ouvidas é: se é um novo trabalho, onde é feita a prestação de contas das pessoas? Algumas empresas têm uma equipe de profissionais da metodologia people analytics focada e inserida em cada divisão comercial, como vendas, engenharia e operações. Outras têm profissionais people analytics inseridos e que dão suporte a diferentes funções secundárias do RH (aquisição de talentos, remuneração, benefícios, relações dos funcionários, diversidade, treinamento e desenvolvimento etc.) Há ainda empresas com uma equipe central de profissionais people analytics focada na empresa inteira a partir de uma equipe. A Figura 3-4 mostra como as equipes people analytics prestam contas ao mesmo local ou se cada uma tem sua própria divisão ou chefe do centro de excelência do RH.

FIGURA 3-4: Uma abordagem centralizada versus uma distribuída.

Se é uma empresa menor, provavelmente tem menos opções, só porque tem menos recursos. A empresa pode nem ter cargos suficientes para justificar uma equipe dedicada de analistas especializados. Envolver professores de faculdades locais, graduandos, consultores ou analistas em outras partes da empresa (marketing, finanças, TI etc.) para preencher as lacunas em habilidades sempre é uma opção. Uma empresa que começa com um grupo formado livremente pode decidir centralizar a função e investir em mais recursos dedicados conforme o people analytics comprova seu valor com o tempo. Mas as duas abordagens têm prós e contras, claro, e a abordagem distribuída tem seus próprios benefícios, mesmo que você possa conseguir muitos recursos dedicados.

Centralizada

Centralizar a função people analytics permite que uma empresa reduza as redundâncias não eficientes do modo distribuído. Os líderes das empresas que centralizam o esforço tendem a contratar pessoas com graus avançados em habilidades analíticas; super-heróis nerds, você pode pensar. Os analistas focados têm a vantagem da dedicação em tempo integral para um objetivo claro. Eles começam a trabalhar com uma equipe selecionada à mão para oferecer todas as habilidades. Uma equipe people analytics centralizada também tem uma perspectiva que engloba toda a empresa. Apesar de uma equipe dedicada a uma única divisão comercial ou centro de excelência do RH (dedicada a uma área do RH, como recrutamento, treinamento ou relações com os funcionários) poder focar bem, ela pode perder as oportunidades gerais ou as fontes de dados que uma equipe centralizada teria a chance de reconhecer.

Uma grande vantagem é a capacidade de caracterizar a natureza de toda a organização para a diretoria ou o CEO, assim como cada unidade comercial ou função do RH. Você tem uma “visão completa” da organização, e isso é impossível para uma equipe distribuída produzir, uma vez que ela normalmente não terá acesso a todos os dados. Contudo, a desvantagem da centralização é que ela afasta as pessoas que geram os dados da metodologia people analytics daquelas que tomam decisões com base nos dados. Entre os grupos que a equipe people analytics dá suporte, essa separação pode criar a sensação de que a equipe realmente não entende suas necessidades. Muitas vezes uma divisão comercial ou centro de excelência do RH cria sua própria equipe people analytics quando não recebe o apoio necessário da equipe matriz da empresa. Às vezes essa equipe é chamada de equipe sombra. O termo sombra pode parecer negativo, e uma equipe sombra é, na verdade, considerada amplamente como um uso ineficiente dos recursos. Por outro lado, é difícil criticar os membros do grupo por investirem seus próprios recursos para atender a suas próprias necessidades. Centralizar a equipe também traz o risco de sobrecarregar os analistas da empresa quando várias partes dela requerem suporte ao mesmo tempo. A notícia se espalha, e

uma equipe centralizada pode encontrar grupos querendo sua parcela de ajuda. A equipe centralizada tem que priorizar as solicitações, o que pode criar clientes internos insatisfeitos que acham a equipe people analytics centralizada, desconectada e burocrática, não lhes dando apoio suficiente.

Distribuída Uma estrutura distribuída é um modelo inclusivo: qualquer pessoa na empresa tem o potencial de contribuir com o projeto people analytics. Às vezes as pessoas chamam o modelo distribuído de análise integrada, porque as tarefas são incorporadas diretamente no trabalho de cada funcionário. Com a responsabilidade do people analytics distribuída, não há dúvidas de que as pessoas que fazem o trabalho entendem o problema no qual trabalham, porque o problema é delas. É mais provável que os líderes da equipe atuem nas informações da análise, porque eles mesmos terminaram essa análise. Eles conseguem entender e confiar em suas visões. Esse hiperfoco em seus próprios problemas pode ser uma armadilha também. Por exemplo, a equipe de recrutamento pode não saber nem considerar os dados que a equipe de remuneração usa, mesmo que sejam relevantes para os problemas do recrutamento. Os analistas na equipe de remuneração podem não considerar o benefício que outras equipes podem receber da análise, pois não se veem como apoiando outras equipes. O problema potencial mais óbvio da metodologia people analytics distribuída é que as pessoas com as habilidades necessárias podem não ter tempo nem querer assumir outro tipo de tarefas.

Mesmo com suas desvantagens, a abordagem distribuída está ganhando popularidade. Cada vez mais, até as grandes empresas estão descobrindo que uma organização people analytics centralizada, rígida e vertical não é sustentável. Mas identificar e organizar uma rede de expertise verdadeiramente distribuída, capaz de fazer uma análise avançada, pode levar anos. Se sua empresa não tem contratado

pessoas para as áreas de RH com habilidades analíticas, ela está remando contra a maré. Um consenso que começa a se formar é o de que a melhor arquitetura é aquela que combina analistas centralizados com um investimento pesado dos envolvidos distribuídos. É a abordagem “todos juntos”. Você não pode esperar que todos consigam fazer uma estatística avançada, mas espera que sejam mais conscientes das possibilidades, mais analíticos e usem dados ao tomar decisões importantes.

TRILHANDO SEU PRÓPRIO CAMINHO Muitas vezes, as empresas tentam copiar o sucesso das outras e chamam isso de “melhores práticas”. Só porque a Empresa Acme fez algo e teve um aumento de lucro, não significa que aquela estratégia funcionará para você. De vez em quando, as comparações são irresistíveis, mas fazer a mesma coisa que outra pessoa fez nunca será um diferencial nos negócios. (Um aparte: estou iniciando uma guerra contra o conceito das melhores práticas. Implementá-las é copiar o que outra pessoa fez porque funcionou para ela sem considerar a natureza única de seu próprio negócio e situação. Prefiro chamá-las pelo que são: práticas de suposição. Copiar cegamente não é uma estratégia de longo prazo.) Sim, você pode aprender com outras empresas. O mais importante é aprender que as bem-sucedidas definiram o que faria a metodologia people analytics funcionar vendo seus próprios objetivos, recursos e cultura. Comece pequeno se for preciso e procure oportunidades para se adaptar e crescer. Seu negócio aproveitará a abordagem analítica e baseada em dados para resolver os problemas.

Parte 2 Elevando Sua Perspectiva NESTA PARTE... Segmente os dados das pessoas para ter mais visão. Conecte o people analytics ao valor comercial por meio da estratégia. Veja como as pessoas conectam o valor comercial usando a perspectiva do valor do tempo de empresa do funcionário. Entenda como é importante a diferença entre o valor do tempo de empresa do funcionário e do cliente e como colocar em prática uma medida chamada ativação. Familiarize-se com o novo e poderoso conjunto de ferramentas para a estratégia de gerenciamento e análise: Valor Ativado, CAMS e NAV.

NESTE CAPÍTULO Tendo visões com a segmentação Seguindo o processo de segmentação Transformando dados do RH em segmentos

Capítulo 4

Segmentando para Ter Perspectiva é uma parte fundamental e essencial da metodologia ou de A segmentação qualquer análise nesse sentido. Os segmentos são essenciais para ajudar a entender e ter visões com seus dados. Segmento é um grupo de pessoas que compartilham características comuns. Tal segmento pode ser considerado como uma unidade inteira ou parte de outra unidade. Por exemplo, as pessoas que trabalham juntas em um setor formam um segmento do mercado de trabalho total, as pessoas em uma empresa formam um segmento de um setor, e as que estão nessa empresa em particular podem ser agrupadas em segmentos muito menores. Alguns exemplos simples de segmentos em uma empresa são a divisão, unidade comercial, local e cargo (como vendas ou engenharia). As pessoas também podem ser segmentadas por características sem nenhuma relação com a empresa, mas com a pessoa em si: gênero, etnia, status socioeconômico, idade, experiência de trabalho, desempenho escolar e tipo de personalidade. E elas podem ser descritas por coisas que são iguais ou que mudam. Alguns exemplos de coisas que mudam são os anos de experiência de trabalho, estabilidade no trabalho, salário ou atitude. Há quase um número infinito de segmentos em potencial para qualquer conjunto de dados sobre pessoas porque elas podem ser descritas de muitos modos diferentes.

Usar dados para observar um grupo de pessoas é como ver um diamante na luz: o brilho do diamante é determinado por seus cortes (ou facetas) e a pureza da pedra. Como os diamantes, as empresas podem ser vistas de muitas maneiras diferentes. O trabalho do people analytics é aumentar a perspectiva e a pureza. Neste capítulo, apresento a segmentação, mostro como é usada no people analytics e aponto seu uso para melhorar como você pensa sobre as pessoas na empresa.

Segmentando Segundo os Fatos Básicos do Funcionário Ao explorar os vários sistemas da empresa, como o planejamento de recursos da empresa (ERP), sistema de informações de RH (HRIS) e sistema de localização de candidatos (ATS), você encontra centenas de fatos diferentes sobre as pessoas armazenados em tabelas relacionais. Em alguns casos, os administradores inserem esses fatos, em outros, as próprias pessoas inserem os fatos, ou seja, um autosserviço. Há situações em que a empresa busca ativamente novos fatos distribuindo pesquisas ou formulários. Finalmente, alguns fatos são gerados sem um plano específico, são coletados por acaso por outras atividades ou processos, por exemplo, os metadados do e-mail e da reunião. Metadados são simplesmente dados que descrevem outros dados. Metadados do email ou da reunião referem-se aos fatos que podem ser observados usando-se sistemas corporativos, que podem ser úteis para uma análise. Por exemplo, você poderia aprender muito analisando os vários e-mails enviados, o número de palavras nos e-mails, números de conexões sociais exclusivas, número de reuniões, tempo médio de duração da reunião, concentração de conexões sociais por cargo ou local etc.

Em sua forma básica, os fatos coletados como dados parecem ser inúteis, mas em mãos inteligentes, eles podem ser transformados em informações proveitosas.

“Atenha-se aos fatos, senhora” Sobre quais tipos de dados pessoais estamos falando? Em geral, você pode encontrar fatos nas seguintes categorias de informação, em um ou mais sistemas

com dados dos funcionários. (Listo os fatos primeiro, depois detalho como torná-los úteis.) Fatos do candidato Nome real ou nome pelo qual o candidato responde. ID do candidato, que é um número exclusivo que o representa. Fonte — método/canal de recrutamento (por exemplo, LinkedIn, anúncio de emprego, recomendação, fonte do recrutador, recrutamento em universidade, parceiro terceirizado para recrutamento). Fonte — o empregador mais recente. Fonte — a universidade mais recente. Nível de formação, como diploma/certificado, alguma faculdade, bacharelado, mestrado, MBA ou doutorado. ID da requisição ou número exclusivo que representa a vaga de emprego. Pontuação no teste (por exemplo, uma empresa de tecnologia para a qual trabalhei testou os candidatos a engenheiros de software em potencial quanto ao seu nível de rapidez intelectual ao resolver desafios com o código. Uma petshop para a qual trabalhei testou os atendentes na loja quanto ao seu conhecimento sobre os tópicos de animais após um novo treinamento de admissão. Uma indústria farmacêutica testou os candidatos a representante farmacêutico quanto ao seu conhecimento do produto após um novo treinamento de admissão). Data da proposta, que é a data do primeiro contato. Data do telefonema, que é a data na qual o recrutador falou pela primeira vez com o candidato. Data do teste de triagem do candidato, se aplicável. Data da entrevista presencial. Data da oferta. Data de aceitação ou recusa da oferta. Data da admissão. Fatos básicos do funcionário Nome. ID do funcionário. Data de início na empresa. Tempo na empresa (há quanto tempo o funcionário trabalha na empresa com base na data de início nela).

Fatos do trabalho Título do trabalho. Código do trabalho. Tempo integral ou meio expediente. Contratante ou funcionário. Salário mensal ou por hora. Temporário ou permanente. Cargo, como vendas e marketing, produção e operações, pesquisa e desenvolvimento ou gerência e administração geral. Nível de posição, como executivo, diretor, gerente ou colaborador individual. Holerite. Data de início do trabalho. Estabilidade do trabalho ou quanto tempo o funcionário trabalha no cargo atual com base na data de início do trabalho. Salário anual. Fatos das estruturas gerencial e financeira Gerente: é o nome do gerente do funcionário. Gerente superior: é o nome do gerente do gerente (normalmente é um diretor). Executivo: se você vir um gráfico da organização, é o nome do responsável de alto nível pela gestão, abaixo do CEO no gráfico (em geral, é um vice-presidente). Unidade financeira (é comum ser a unidade de baixo nível, chamada de centro de custos.) Unidade financeira acima, normalmente chamada de organização. Há vários centros de custos em cada organização. Divisão, que é a unidade financeira de alto nível na empresa. Há muitas organizações dentro de cada divisão. Hierarquia é um sistema de classificação relacional em que pessoas ou grupos são classificados uns acima dos outros segundo status ou autoridade. O exemplo mais óbvio é um gráfico organizacional criado pelas relações entre funcionários e gerentes. Toda empresa terá um número diferente de níveis e uma convenção de nomenclatura diferente para sua hierarquia gerencial. Fatos sobre a estrutura da localização Local do trabalho.

Cidade. País. Região do país, como Nordeste, Norte, Sudeste, Sul. Região global, como Ásia-Pacífico, Europa, Oriente Médio, África, América do Norte e América do Sul. Principais classificadores demográficos Gênero. Etnia. Deficiência física. Oficial da reserva. Idade. Geração — Baby Boomers, Geração X, Millennials etc. Estado civil. Os dados demográficos são importantes para avaliar a variação na composição da mão de obra, concluir relatórios EEOC (Comissão para a Igualdade de Oportunidades de Trabalho) requeridos pelo governo nos Estados Unidos e analisar seu processo para obter uma tendenciosidade inconsciente.

Se a sede de sua empresa fica nos Estados Unidos, tem mais de 100 funcionários e/ou um contrato com o governo norte-americano, por lei você precisa arquivar os relatórios EEO-1 (Relatórios de Informações do Empregador) com o EEOC.

Embora as informações demográficas sejam úteis para analisar padrões, não é adequado usar características pessoais não relacionadas ao trabalho, como gênero, etnia ou idade, para tomar qualquer decisão de contratação, como quem contratar, promover ou como pagar. Nos Estados Unidos há leis que proíbem tomar tais decisões com base em características profissionais alheias ao trabalho e dar proteção específica segundo o gênero, etnia, idade e religião.

O admirável mundo novo da segmentação é psicológico e social Se você puder ir além dos dados básicos das pessoas, um dia entenderá que novas visões sobre as pessoas são conduzidas basicamente por tipos de dados novos e mais profundos sobre elas. As pessoas são seres sociais avançados e cognitivos com mente própria. Para entender e prever seus comportamentos, é preciso “ver” dentro da cabeça delas, e, para tanto, você precisa lhes fazer perguntas. Veja alguns exemplos das muitas características que podem ser medidas usando-se instrumentos de pesquisa ou testes que abrem um mundo inteiramente novo de visões importantes: Tipos de personalidade: Alguns instrumentos comuns de personalidade são o modelo Big Five, Indicador de Tipo Myers-Briggs (MBTI) e StrengthsFinder. Atitudes: Algumas medidas comuns de pesquisa de funcionário são a satisfação, o comprometimento, a motivação e o envolvimento. Preferências: Vários tópicos podem ser determinados usando-se questionários básicos ou ferramentas avançadas de análise de pesquisas. Perfil de adoção da tecnologia: Esses fatores incluem pessoas inovadoras, primeiros a adotar, maioria inicial, maioria tardia e retardatários. Opiniões: As perguntas da pesquisa podem ser planejadas para medir a probabilidade de recomendação da empresa a amigos e colegas ou desligar-se da empresa para ter uma melhor oportunidade. Veja os instrumentos e testes da pesquisa para ajudá-lo a encontrar diferenças importantes entre as pessoas e que o ajudam a entender, prever e influenciar o comportamento. Esses tipos de instrumentos podem ajudá-lo a desenvolver uma segmentação que abrirá novas visões.

Visualizando o Efetivo por Segmento Em seu uso mais básico, contar pessoas por segmento pode ajudar a ver a empresa de novas maneiras. Por exemplo, os números nos gráficos mostrados na Figura 4-1 somam 3.100 na contagem total de pessoas da empresa, e cada gráfico demonstra uma imagem diferente com base na dimensão da segmentação. Há apenas seis segmentações entre centenas de possibilidades.

FIGURA 4-1:

Diferentes modos de segmentar a mesma empresa.

Analisando a Métrica por Segmento Um dos principais motivos de se preocupar com a segmentação é a necessidade de fornecer uma análise mais detalhada (e assim mais convincente) dos dados usados para chegar à raiz do problema. Veja um exemplo que mostra o poder da segmentação: % da taxa de saída é uma métrica para a porcentagem de funcionários na empresa que saíram para trabalhar em outro lugar em um período específico. Taxa de saída é sinônimo de taxa de abandono, taxa de rescisão e taxa de rotatividade.

A fórmula para a % da Taxa de Saída da empresa é calculada assim: (Nº Total de Saídas da Empresa ÷ Nº do Efetivo Médio da Empresa) × 100

O efetivo médio da empresa é calculado contando-se os funcionários no início e no final de um período e fazendo-se a média, contando os funcionários todo dia em um período e fazendo a média ou usando qualquer outra metodologia de amostra do período consistente. Por exemplo, você pode fazer a média do efetivo durante um ano por capturas semanais, mensais ou trimestrais. O motivo para usar um efetivo médio é que, se a empresa mudar (aumentar ou diminuir os funcionários), você terá uma resposta diferente dependendo do dia da contagem, ou seja, o efetivo médio padroniza. Se a Taxa de Saída da empresa é de 10%, significa que 10% dos funcionários foram trabalhar em outro lugar no período de tempo da análise. Ao ver a % da Taxa de Saída por segmento, o cálculo fica assim: = ((Nº Saídas por Segmento ÷ Efetivo Médio do Segmento) × 100)

O efetivo médio do segmento é calculando fazendo-se a média dos funcionários no segmento durante o período. Você não divide as saídas do segmento pelo número total de funcionários, mas pelo efetivo médio do segmento.

Por exemplo, se o Segmento A teve uma contagem média de 100 pessoas em um ano e 20 pessoas saíram nesse ano, então a % da Taxa de Saída do Segmento A = 20% ou ((20 ÷ 100) × 100 = 20). Nesse exemplo, o Segmento A dobrou a taxa de saída da média, que é de 10%, como mencionei. Isso informa que algo pode estar acontecendo no Segmento A. A Figura 4-2 mostra bem claramente o poder de explicação ao ir além de uma mera % da Taxa de Saída da Empresa e ver segmentos específicos dentro dela: Região, Função no Negócio ou Taxa do Último Desempenho. Isso permite ver a porcentagem de pessoas nesse segmento em particular que saíram da empresa durante esse período, não a porcentagem da população total na saída.

O motivo para calcular as saídas no segmento como uma porcentagem do efetivo do segmento é que isso permite fazer uma comparação justa e consistente entre os segmentos, independentemente do tamanho. Se o cálculo não for feito como uma porcentagem do efetivo médio do segmento, grupos maiores sempre mostrarão uma porcentagem maior das saídas em geral, o que informaria apenas que eram grupos maiores, não que havia algo errado com eles.

FIGURA 4-2: % da Taxa de Saída em 2017 por segmento.

Quando você informa a % da Taxa de saída por segmento, pode ver a variação da taxa em relação à média da empresa. É claro que você deseja saber onde cada segmento está no intervalo de valores. É possível usar a segmentação para identificar os segmentos que precisam de mais atenção, o que ajuda a mover mais a média geral da empresa com menos esforço.

Entendendo as Hierarquias da Segmentação Na metodologia people analytics, você pode usar muitas dimensões hierárquicas para descrever pessoas, como a hierarquia da gerência, da unidade financeira (hierarquia do centro de custos), da unidade local ou da unidade de trabalho. Os detalhes variam segundo a empresa, com base em como as unidades são chamadas e na complexidade da estrutura de relação delas.

Comece com o método de segmentar as unidades comerciais usadas pelos executivos para os setores financeiro e de contabilidade. Refiro-me a isso como hierarquia da unidade financeira, mas pode ser descrito com palavras diferentes em sua empresa. (Muitas vezes, é chamada de centro de custos ou estrutura da unidade comercial.) Veja um exemplo de como uma única pessoa pode estar posicionada na hierarquia do local: Exemplo de hierarquia do local Região = “América do Norte” País = “Estados Unidos” Cidade = “Mountain View” Local = “401 Castro Street” Andar = “3” Mesa = “401-3-5901” Funcionário = “John Smith” ID = “11158”

Esse esquema mostra que há 6 possíveis níveis para descrever o local geográfico de John Smith. O exemplo reflete a árvore hierárquica de uma pessoa. Naturalmente, há muitas outras pessoas na empresa. Você pode contar as pessoas por qualquer nível nessa estrutura hierárquica; cada nível conterá vários segmentos e cada segmento conterá várias pessoas (exceto o mais baixo). Usando esse exemplo, é possível contar as pessoas por região, país, cidade, localização ou por andar, se você quiser. Por exemplo, em sua empresa, você pode ter apenas dois países para contar,

mas 20 cidades diferentes contadas. Se a empresa tem presença em 2 países, você tem apenas 2 segmentos para comparar. Se contar por cidade, terá 20 segmentos para fazer isso. Com o exemplo, é possível dizer que você pode escolher muitos modos diferentes de contar, mesmo que estejamos falando apenas sobre localização. Na Figura 4-3, pode-se ver que a empresa tem 2 mil funcionários na América do Norte, 1.800 nos EUA, 980 em Mountain View, 500 no prédio na 401 Castro Street, 200 no terceiro andar e 1 na mesa 401-3-5901, chamado John Smith. Como a figura mostra, cada pessoa existe apenas uma vez, porém a mesma pessoa pode ser descrita de muitas estruturas diferentes no segmento hierárquico. Veja três modos de descrever onde John Smith está na empresa:

FIGURA 4-3: Você pode continuar dividindo até não ter mais partes.

Hierarquia da unidade financeira Divisão = “Divisão de Vendas” Organização = “Empresa Go-Team” Departamento = “Componentes”

Nome do Centro de Custos = “Componentes – Região Sudoeste” Funcionário = “John Smith”, ID = “11158” Hierarquia do gerente CEO = “Sally Rodgers” VP = “Bob Woodward” Diretor = “Chris Henderson” Gerente = “George Harris” Funcionário = “John Smith”, ID = “11158” Hierarquia do cargo Função do Cargo = “Vendas” Nível do Cargo = “Colaborador Individual” Família de Cargos = “Vendas Internas” Cargo = “Representante de Vendas Interno 3” Funcionário = “John Smith”, ID = “11158”

Ao fazer cada análise, você decide o nível certo de resumo útil para ela. Por exemplo, é possível contar por divisão, local, cargo ou qualquer combinação. Toda matemática e ciência iniciam contando. O que você conta é determinado pelo contexto e pela necessidade.

Quando você começar a fazer relatórios de dados, descobrirá muitas inconsistências entre os dados registrados nos sistemas e o que existe na cabeça de diferentes pessoas. Sem um lugar para armazenar tais dados, uma estrutura de segmentação acordada e relatório regular, o que você e outra pessoa imaginam provavelmente é muito diferente. A contagem gera perspectiva. Sob certa luz, a conciliação entre nossa imaginação, a dos outros e os dados armazenados em sistemas é o ponto de análise.

Criando Segmentos Calculados Grande parte dos segmentos descritos antes no capítulo existe como uma única entrada na estrutura do banco de dados: por exemplo, Divisão = “Vendas” ou Departamento = “Vendas Internas”. Nos exemplos dados, não é preciso nenhum cálculo para criar um segmento, ele simplesmente se encontra no sistema do modo exato como é descrito. Como você deve ter imaginado, há outros tipos de segmentação por aí, mais especificamente os que requerem cálculo. Nas próximas seções, darei alguns exemplos.

Estabilidade na empresa O gráfico que mostra o efetivo da empresa por estabilidade, como na Figura 4-4, parece ter dados que saíram de um sistema como estão. Porém a estabilidade é um campo calculado que resulta em dados contínuos, o que não ficaria bom em um gráfico assim. Se a estabilidade fosse calculada como um número de dias desde que o funcionário iniciou, o gráfico teria barras proporcionais às pessoas existentes, porque cada uma teria uma estabilidade diferente, assim não mostraria nada útil. Mas se você pegar o cálculo da estabilidade e criar uma nova variável que a descreve como uma categoria caracterizada por intervalos de dias (0 a 365 dias, 366 a 730 dias etc.), então poderá contar as pessoas que ficam em um período de dias para produzir um gráfico com segmentos mais úteis para ter uma percepção.

FIGURA 4-4: Efetivo da empresa, com todos os funcionários classificados em grupos de estabilidade.

Por exemplo, você pode querer contar o número de pessoas no primeiro ano de contratação. O que você tem no HRIS é a data de início. A estabilidade pode ser calculada contando-se o número de dias entre a data de início e a data atual, expressando isso como o número de dias, meses ou anos. Pode encontrar pessoas com 1,1 ano, 1,5, 1,7, 0,89, 0,5, 20,7 anos etc. Contar por dados assim não produziria um bom gráfico, porque o número de todos seria exclusivo. Para colocar a estabilidade em gráfico, é preciso contar o número de pessoas que ficam dentro de um intervalo. A Figura 4-4 usa cinco intervalos: Estabilidade =

< 1 Ano 1 Ano a 2,9 Anos 3 Anos a 4,9 Anos 5 Anos a 9,9 Anos 10+ Anos Se você usa o Excel, o SQL (uma linguagem de consulta de banco de dados) ou outro ambiente de consulta, a fórmula é diferente. Também sempre há mais de um modo de fazer algo com os dados. Por exemplo, para contar todas as pessoas no primeiro ano de estabilidade, você poderia criar uma fórmula que calcula primeiro a estabilidade, e depois outra que conta as pessoas cuja estabilidade é inferior a um ano. Veja a lógica: se a estabilidade < 1,0 ano, atribua 1, senão 0. Depois some. Para ver como fazer o cálculo no Excel, veja as Figuras 4-5, 4-6, 4-7 e 4-8 a seguir.

Na Figura 4-5, você vê uma lista simplificada de funcionários exportada para o Excel, em que cada linha representa um único funcionário ativo atualmente e cada coluna representa um dado sobre ele. A coluna C é a data de admissão do funcionário. Adicionei a fórmula na coluna D, =today()-C2, para calcular o número de dias de estabilidade entre as datas de admissão e atual. Depois de inserir a fórmula e pressionar Enter, o Excel calcula o número de dias em que ele trabalhou para a empresa. Então, é possível arrastar a fórmula para baixo em outras linhas ou usar outras funções padrão do Excel e aplicar em todas as linhas.

FIGURA 4-5: Calculando a estabilidade do funcionário com a Data de Admissão no Excel.

Com a Figura 4-5, é possível ver a estabilidade da pessoa, mas isso não é o final perfeito. Na Figura 4-6, acrescento a fórmula à coluna E, que divide o número de dias encontrado na coluna D por 365, para que você possa ver a estabilidade convertida em anos. É útil ter a estabilidade em anos, todavia, você pode ver que quase todo funcionário tem uma estabilidade diferente. Se você fosse contar agora pela coluna E, não teria uma tabela nem um gráfico útil. No exemplo, o que você deseja fazer é contar os funcionários com uma estabilidade inferior a um ano. O que faço na Figura 4-7 é usar o Construtor de Fórmulas para adicionar uma instrução hipotética à coluna F.

Tal instrução adiciona 1 à coluna F, se a estabilidade (calculada na coluna E) é menor que 1, ou 0, se é igual ou superior a 1.

FIGURA 4-6: Convertendo a estabilidade do funcionário de dias em anos no Excel.

FIGURA 4-7:

Adicionando uma instrução hipotética.

Continuando com a imagem, é possível ver na Figura 4-8 que estendi a instrução hipotética a todas as linhas na coluna F e destaquei algumas linhas de exemplo para as pessoas com menos de um ano de estabilidade.

FIGURA 4-8: Os funcionários com estabilidade inferior a um ano são indicados com 1, e os outros, com 0.

Atribuir 1 ou 0 a um ponto de dado muda os dados de contínuos para categóricos. Tal fórmula pode ser integrada no HRIS ou em sua análise e ambientes de relatório, atribuindo todos os funcionários a um segmento de classificação, depois mudando essa segmentação dinamicamente conforme a estabilidade aumenta.

Mais exemplos de segmento calculado Veja alguns segmentos calculados com rapidez que são úteis na maioria das análises de contratação. Se você trabalha com o people analytics, usará estes segmentos calculados muitas vezes: Estabilidade

< 1 Ano 1 Ano a 2,9 Anos 3 Anos a 4,9 Anos 5 Anos a 9,9 Anos 10+ Anos

Experiência total no cargo

< 5 Anos 5 Anos a 9,9 Anos 10 Anos a 14,9 Anos 15 Anos a 20 Anos 20+ Anos Grupo de Geração

Segunda Guerra Mundial e Geração Silenciosa Baby Boomer Geração X Geração Y — Millennial Estatuto de minorias nos EUA (classificação simples de etnia em dois segmentos)

Minoria Não Minoria Salário-base

>US$100 mil US$76 mil a US$100 mil US$51 mil a US$75 mil US$25 mil a US$50 mil 60º Percentil 40º a 60º Percentil 75º Percentil 25º a 75º Percentil 90º Percentil

10º a 90º Percentil