People Analytics: como transformar dados em decisões sobre pessoas

People Analytics virou termo da moda — e como acontece com todo termo da moda, foi rapidamente diluído. Hoje, "fazer People Analytics" pode significar qualquer coisa entre plotar gráficos no Excel e construir modelos preditivos de turnover. Esse texto serve para diferenciar uma coisa da outra.

O que é (e o que não é) People Analytics

É: aplicação de método estatístico e raciocínio causal a perguntas sobre pessoas, em níveis crescentes de sofisticação.

Não é: dashboard de RH com taxa de turnover, headcount e custo de folha. Isso é reporting — útil, mas não é analytics.

Os quatro níveis de maturidade

1. Descritivo: o que aconteceu? (Headcount, turnover, custo médio por contratação)
2. Diagnóstico: por que aconteceu? (Correlações, segmentações, análise multivariada)
3. Preditivo: o que vai acontecer? (Modelos de risco de turnover, projeção de necessidade)
4. Prescritivo: o que devemos fazer? (Recomendações otimizadas com base em modelos)

A maior parte das empresas brasileiras está no nível 1, achando que está no 3. Sair do 1 não exige tecnologia cara — exige método.

Dados sem hipóteses são ruído. Hipóteses sem dados são opinião. People Analytics é o casamento dos dois — e o produto é decisão melhor.

Perguntas que People Analytics responde bem

• Quais variáveis explicam turnover nos primeiros 12 meses? Quais são acionáveis?
• Qual o ROI real dos investimentos em treinamento de liderança?
• Como o clima organizacional varia entre áreas e o que prediz baixa pontuação?
• Qual perfil comportamental tem maior aderência a cargos de coordenação?
• Há sinais antecipados de risco de afastamento por saúde mental?

Perguntas que People Analytics responde mal (e perguntas perigosas)

• "Quem vai pedir demissão nos próximos 30 dias?" — modelos preditivos individuais geram falsos positivos enormes e criam viés de profecia autorrealizável
• "Quais funcionários têm baixo desempenho?" — depende de definir desempenho, o que é trabalho qualitativo antes de quantitativo
• "Como podemos identificar talentos com IA?" — esconde o problema sob complexidade técnica

O método de 5 passos

1. Comece pela pergunta de negócio

"Aumentar retenção em vendas em 15%" é uma pergunta. "Construir um dashboard de RH" não é.

2. Desenhe a hipótese

O que você suspeita que cause o problema? Liste 3-5 hipóteses concorrentes. Sem isso, dados não dizem nada.

3. Identifique os dados disponíveis

Cruze fontes: pesquisa de clima, sistema de RH, histórico de avaliação, indicadores de produtividade, dados qualitativos de entrevistas de desligamento.

4. Aplique método estatístico apropriado

Correlação, regressão, segmentação, teste de hipótese. Nem tudo precisa de machine learning — frequentemente um teste de Mann-Whitney resolve.

5. Traduza resultado em ação

"Há correlação entre X e Y" é insight. "Recomendamos mudar A, B e C; aqui estão os indicadores de acompanhamento" é decisão.

Cinco indicadores que toda empresa deveria acompanhar

1. Turnover voluntário segmentado por tempo de casa, área e nível
2. e-NPS com benchmark setorial e por área
3. Taxa de promoção interna versus contratação externa em cargos de liderança
4. Indicadores de risco psicossocial (NR-1) por área
5. ROI de programas estruturados (treinamento, mentoria, saúde mental)

O risco da analytics sem ética

People Analytics tem fronteiras éticas claras:

• Não monitorar atividade individual de forma intrusiva
• Não usar dados psicológicos sem consentimento explícito
• Não criar listas individuais de "risco" de demissão sem ação de suporte
• Auditar modelos para viés algorítmico recorrente
• Aderir à LGPD em todos os fluxos de dados de pessoas

Conclusão

People Analytics maduro não é sobre mais dados — é sobre melhores perguntas e decisões mais consistentes. Empresas que adotarem essa disciplina terão vantagem competitiva clara: contratarão melhor, reterão melhor, desenvolverão melhor. As que continuarem decidindo por achismo continuarão tendo os resultados do achismo.